Geral
Redes Neurais
Semana 3
0

Questão

As funções de ativação não lineares são essenciais para o desempenho das redes neurais de múltiplas camadas (MLPs). Elas permitem que a rede aprenda e represente relações complexas que não poderiam ser capturadas por funções lineares simples. Uma dessas funções de ativação é a ReLU (Rectified Linear Unit), que é amplamente utilizada devido às suas vantagens específicas.

Logo, assinale a alternativa que descreve corretamente uma das vantagens da função de ativação ReLU e explica como essa função contribui para a eficiência do treinamento em redes neurais profundas:
A) A função ReLU mapeia valores reais para o intervalo ( - 1,1)  e é contínua, o que permite representar estados intermediários de ativação dos neurônios.
B) A função ReLU é uma função linear que transforma valores de entrada em saídas diretamente proporcionais.
C) A função ReLU é utilizada apenas em redes neurais convolucionais devido à sua simplicidade.
D) A função ReLU mantém os valores positivos inalterados, mapeando os valores negativos para zero.
E) A função ReLU transforma os valores de saída em probabilidades, distribuindo-os de forma que a soma seja igual a 1.
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/653/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': 'HZfk1uf7op6KY6pcsCvCpTfS0oF5jK1m28PHHxLzP5wDEy9lYhZyNNDdWPYCcS5i' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${questaoId}`).textContent = data.score; const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`); const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`); upBtn.classList.remove('active-up'); downBtn.classList.remove('active-down'); if (data.user_vote === 1) upBtn.classList.add('active-up'); if (data.user_vote === -1) downBtn.classList.add('active-down'); } }); }