Questão de Noções de Informática — Inteligência Artificial e Automação — CESPE / CEBRASPE 2025
Noções de Informática›Inteligência Artificial e Automação
Código
ce214854
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-SE
Ano
2025
Nível
Superior
Cargo
Auditor Fiscal Tributário - Tecnologia da Informação
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
Ao conjunto de pesos sinápticos.
Ba camada de entrada.
Ca camada oculta.
Da função de ativação.
Eo algoritmo de backpropagation.
Revelar gabarito e comentário▾
GabaritoD — a função de ativação.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
MLP (Multilayer Perceptron) e não linearidade
Gabarito: letra D. Em uma rede MLP, o elemento que introduz não linearidade e permite o aprendizado de representações complexas é a função de ativação. Sem ela, a rede seria apenas uma combinação linear de entradas, incapaz de modelar padrões não lineares. O contexto de apoio confirma: "a função de ativação faz a transformação não-linear nos dados de entrada, tornando-o capaz de aprender e executar tarefas mais complexas".
MLP (Multilayer Perceptron)
1Elementos
Camada de entrada
Recebe dados brutos
Sem transformação não linear
Pesos sinápticos
Combinação linear (soma ponderada)
Camada oculta
Abriga neurônios
Não linearidade vem da ativação
Função de ativação
Introduz não linearidade
Permite aprender padrões complexos
Ex.: sigmoide, ReLU, tanh
Backpropagation
Ajusta pesos pelo erro
Não confere não linearidade
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
O conjunto de pesos sinápticos realiza apenas a combinação linear das entradas (soma ponderada). A não linearidade é introduzida exclusivamente pela função de ativação.
Alternativa B — ❌ Incorreta
A camada de entrada é responsável por receber os dados brutos e repassá-los à rede, sem qualquer transformação não linear.
Alternativa C — ❌ Incorreta
A camada oculta (hidden layer) é uma camada intermediária que abriga neurônios, mas por si só não introduz não linearidade. A não linearidade vem da função de ativação aplicada em cada neurônio.
Alternativa D — ✅ Correta ⟵ GABARITO
A função de ativação (como sigmoide, ReLU, tanh) é aplicada à soma ponderada das entradas e é a responsável direta por introduzir não linearidade, permitindo que a rede aprenda relações complexas.
Alternativa E — ❌ Incorreta
O algoritmo de backpropagation é utilizado para treinar a rede ajustando os pesos com base no erro, mas não é o elemento que confere não linearidade à saída.