Questão de Noções de Informática — Inteligência Artificial e Automação — IDECAN 2026
Noções de Informática›Inteligência Artificial e Automação
Código
qg707284
Banca
IDECAN
Órgão
PC-SC
Ano
2026
Nível
Médio
Cargo
Agente de Polícia Civil
Em um modelo de rede neural artificial, além dos pesos das conexões entre neurônios, cada unidade de processamento recebe um valor fixo adicionado à soma ponderada de suas entradas, cuja função é ajustar o limiar de ativação do neurônio, permitindo maior flexibilidade na modelagem de padrões complexos. A alternativa que corretamente identifica esse componente é:
AGradientes descendentes.
BViéses.
CFunções de perda.
DTaxas de aprendizado.
ECamadas de pooling.
Revelar gabarito e comentário▾
GabaritoB — Viéses.
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 artificiais – O componente viés (bias)
Gabarito: letra B. O viés (bias) é o valor fixo adicionado à soma ponderada das entradas de um neurônio, ajustando seu limiar de ativação. Esse parâmetro permite que o modelo aprenda padrões mais complexos, pois desloca a função de ativação, aumentando a flexibilidade da rede. As demais alternativas referem-se a conceitos distintos dentro do aprendizado de máquina.
O enunciado descreve exatamente o papel do viés em um neurônio artificial: um valor que não depende das entradas, mas é somado ao produto escalar entre pesos e entradas antes da aplicação da função de ativação. Esse componente é treinado junto com os pesos durante o processo de aprendizado.
Neurônio artificial: Entradas (x₁, x₂, …, xₙ) (Pesos (w₁, w₂, …, wₙ)); Soma ponderada (Σ wᵢ·xᵢ); Viés (bias) — valor fixo adicionado (Ajusta o limiar de ativação, Permite modelar padrões complexos); Função de ativação (Saída do neurônio)
Alternativa A — ❌ Incorreta
Gradientes descendentes (gradient descent) é um algoritmo de otimização usado para atualizar os pesos e vieses da rede, não um componente adicionado à soma ponderada. Ele calcula a direção de maior decrescimento do erro e ajusta os parâmetros nessa direção, mas não é o valor fixo mencionado.
Alternativa B — ✅ Correta ⟵ GABARITO
O viés (bias) é exatamente o termo extra adicionado à soma ponderada das entradas de um neurônio. Matematicamente, a saída de um neurônio é dada por , onde é o viés. Sem ele, o neurônio só conseguiria modelar funções que passam pela origem, limitando a capacidade de representação.
Alternativa C — ❌ Incorreta
Funções de perda (loss functions) medem o erro entre a saída prevista pela rede e o valor real, guiando o treinamento. Não fazem parte da computação interna de um neurônio, mas sim da avaliação do modelo.
Alternativa D — ❌ Incorreta
Taxas de aprendizado (learning rates) são hiperparâmetros que controlam o tamanho do passo durante a atualização dos parâmetros (pesos e vieses) no gradiente descendente. Não são adicionadas à soma ponderada.
Alternativa E — ❌ Incorreta
Camadas de pooling (pooling layers) são utilizadas em redes neurais convolucionais para reduzir a dimensionalidade espacial dos mapas de características, agregando informações locais. Não atuam no nível de um neurônio individual ajustando seu limiar.