Julgue o item subsecutivo, em relação às redes neurais denominadas CNN, RNN e LSTM. Entre duas camadas convolucionais de uma CNN, a aplicação de pooling permite aumentar a dimensio

Gabarito

Errado

Comentário do professor

A afirmação é ERRADA porque a operação de pooling não aumenta a dimensionalidade espacial da rede; ela a reduz. Pooling (ex.: max pooling 2×2, stride 2) diminui a altura e largura das feature maps, cortando a resolução espacial e o número de ativações por mapa.

Para aumentar a dimensionalidade (profundidade) usa-se mais filtros numa camada convolucional, ou seja, incrementar o número de canais. Exemplo: uma entrada 32×32 com pooling 2×2 vira 16×16. Em termos gerais \(N'=\lfloor\frac{N-k}{s}+1\rfloor\) para kernel \(k\) e stride \(s\).

Quanto ao overfitting, pooling pode ajudar indiretamente ao reduzir parâmetros e fornecer invariância a pequenas translações, mas não é a principal técnica de regularização. Métodos mais eficazes incluem dropout, weight decay e aumento de dados.