As funções de ativação desempenham um papel importante no desempenho das redes neurais de múltiplas ...

Alternativa B - A função sigmoide mapeia valores reais para o intervalo (0, 1) e é contínua, o que permite representar estados intermediários de ativação dos neurônios.

Introdução

As funções de ativação são componentes fundamentais das redes neurais artificiais, pois introduzem a não linearidade necessária para que o modelo aprenda padrões complexos que não poderiam ser resolvidos por combinações lineares simples.

Desenvolvimento

A função sigmoide (ou logística) é definida matematicamente pela expressão f(x) = 1 / (1 + e⁻ˣ). Essa função possui uma curva em formato de "S" e é amplamente utilizada para converter saídas em probabilidades, uma vez que seu contradomínio está restrito ao intervalo entre 0 e 1.

Análise

• Continuidade: Diferente de funções degrau, a sigmoide é contínua e derivável em todo o seu domínio, o que é essencial para o algoritmo de retropropagação (backpropagation).
• Estados Intermediários: Por não ser binária (0 ou 1), ela permite que o neurônio tenha níveis graduais de ativação.
• Comparação com outras opções: A alternativa A erra o intervalo em contextos de classificação puramente lineares; a C afirma erroneamente que ela é linear; a D limita seu uso a CNNs (ela é usada em MLPs, RNNs etc.); a E descreve a função tangente hiperbólica (tanh), que é simétrica em relação à origem (-1 a 1).

Conclusão

Portanto, a característica de mapear valores para o intervalo (0, 1) de forma contínua define a função sigmoide, tornando-a ideal para representar probabilidades.

Alternativa B.