Em uma rede neural do tipo MLP (multilayer perceptron), o elemento responsável por introduzir não linearidade e permitir que a rede aprenda representações complexas dos dados é

Gabarito

D

Comentário do professor

A função de ativação é o componente que introduz não linearidade no neurônio. Após o cálculo do somatório ponderado dos sinais, com bias, aplica-se a função não linear: \(y=\phi\!\left(\sum_i w_i x_i + b\right)\).

Sem essa não linearidade, uma pilha de camadas lineares equivale a uma única transformação linear, impedindo a rede de aprender relações complexas entre entradas e saídas.

Existem várias funções, escolhidas conforme a tarefa: ReLU é comum em camadas ocultas por facilitar a convergência; sigmoid e tanh aparecem em problemas específicos; softmax é usada para produzir probabilidades em classificação multiclasse.

A escolha da função afeta o fluxo de gradiente durante o treinamento e, portanto, o desempenho e a estabilidade do aprendizado.