Redes Neurais – Aprendizado Competitivo
Gabarito: letra C. O aprendizado competitivo é aquele em que os neurônios de saída da rede disputam entre si para se tornarem ativos, e apenas um neurônio de saída é ativado em determinado instante, seguindo o princípio "vencedor leva tudo" (winner-takes-all). Esse tipo de aprendizado é não supervisionado e comumente utilizado em redes neurais como os Mapas Auto-Organizáveis de Kohonen.
A questão cobra o conhecimento dos paradigmas de aprendizado em redes neurais artificiais. A banca FGV explora a definição de cada tipo.
Alternativa A — ❌ Incorreta
O aprendizado Hebbiano baseia-se na regra de Hebb: a sinapse é fortalecida quando os dois neurônios (pré e pós-sináptico) são ativados simultaneamente. Não há competição entre neurônios de saída; a ativação pode ser de múltiplos neurônios.
Alternativa B — ❌ Incorreta
O aprendizado Boltzmann refere-se a máquinas de Boltzmann, que são redes neurais estocásticas com unidades binárias que aprendem distribuições de probabilidade. Embora possa envolver estados de ativação, não há a competição direta descrita no enunciado.
Alternativa C — ✅ Correta ⟵ GABARITO
O aprendizado Competitivo é caracterizado pela disputa entre os neurônios de saída: apenas o neurônio com maior ativação (o vencedor) é ativado, enquanto os demais são inibidos. Esse mecanismo é típico em redes neurais não supervisionadas, como nas redes de Kohonen (SOM). A descrição do enunciado corresponde exatamente a essa definição.
Alternativa D — ❌ Incorreta
O aprendizado por Correção de Erros é supervisionado: ajusta os pesos da rede com base no erro entre a saída obtida e a saída desejada (ex.: algoritmo backpropagation). Não há competição entre neurônios de saída.
Alternativa E — ❌ Incorreta
O aprendizado Baseado em Memória armazena exemplos de treinamento e compara novos dados com esses exemplos (ex.: K-vizinhos mais próximos). Não envolve competição entre neurônios, pois não há uma estrutura de rede neural com pesos ajustáveis por competição.
Gabarito: letra C.