GabaritoC — Certo
Gabarito: Certo. Redes neurais artificiais são modelos computacionais que aprendem a partir de dados, ajustando seus pesos sinápticos durante o treinamento para reconhecer padrões e generalizar. Essa capacidade de adaptação é fundamental para o aprendizado supervisionado, não supervisionado e por reforço. Portanto, a afirmativa está correta.
A questão cobra um conceito básico: as redes neurais possuem pesos que são ajustados por algoritmos de aprendizado (como backpropagation) para minimizar o erro em relação aos dados de treinamento. Além disso, em cenários de aprendizado contínuo ou retreinamento, elas podem se adaptar a mudanças nos padrões dos dados de entrada. Assim, a frase é verdadeira.
A alternativa está correta porque redes neurais são capazes de adaptar seus pesos sinápticos (aprendizagem) e podem considerar mudanças nos padrões dos dados de entrada, seja por meio de retreinamento ou técnicas de aprendizado contínuo. O conteúdo de apoio define que "a propriedade mais importante das redes neurais é a habilidade de interagir com seu ambiente em busca de reconhecer padrões... através de um processo iterativo de ajustes aplicado aos seus pesos, o treino."
A afirmativa de que redes neurais não têm capacidade de adaptar pesos considerando mudanças nos padrões é falsa. Pelo contrário, a essência das redes neurais é justamente a adaptação dos pesos durante o aprendizado para modelar os dados. Negar essa capacidade contraria o conceito fundamental de redes neurais artificiais.
Gabarito: Certo (letra C).
Link permanente: /questoes/ce153864