Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025

Engenharia de SoftwareInteligencia Artificial
Código
ce217166
Banca
CESPE / CEBRASPE
Órgão
TJ-PA
Ano
2025
Nível
Superior
Cargo
Analista Judiciário - Especialidade: Análise de Suporte
Acerca dos tipos de aprendizado, da inteligência artificial generativa e das redes neurais, julgue o item subsequente.Em arquiteturas de redes neurais profundas, o uso de funções de ativação não lineares, como ReLU ou Sigmoid, é essencial para que a rede aprenda padrões complexos e não lineares.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

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”.

Redes neurais profundas e funções de ativação não lineares

✅ CERTO. A afirmação está correta. Em redes neurais profundas, o uso de funções de ativação não lineares, como ReLU (Rectified Linear Unit) ou Sigmoid, é essencial para que a rede consiga aprender padrões complexos e não lineares. Sem a não linearidade introduzida por essas funções, a composição de múltiplas camadas lineares seria equivalente a uma única transformação linear, incapaz de modelar relações complexas presentes em dados reais, como imagens, áudio e texto. Esse conceito é fundamental no aprendizado profundo (deep learning).

PEGA ESSA DICA!

Lembre-se: a não linearidade é o que permite que redes neurais profundas aproximem qualquer função contínua (Teorema da Aproximação Universal). Sem ela, a profundidade da rede não agrega capacidade expressiva.

Gabarito: Certo (C).

Link permanente: /questoes/ce217166