Carregando...
Carregando...
Ajude a melhorar a plataforma
As funções de ativação não lineares são essenciais para o desempenho das redes neurais de múltiplas camadas (MLPs). Elas permitem que a rede aprenda e represente relações complexas que não poderiam ser capturadas por funções lineares simples. Uma dessas funções de ativação é a ReLU (Rectified Linear Unit), que é amplamente utilizada devido às suas vantagens específicas.
Logo, assinale a alternativa que descreve corretamente uma das vantagens da função de ativação ReLU e explica como essa função contribui para a eficiência do treinamento em redes neurais profundas:
Explique melhor esta questão
Abre o Tutor com o enunciado e as alternativas já no campo — você revisa e envia.
Esta questão foi verificada por um de nossos administradores.
Alternativa D - A função ReLU mantém os valores positivos inalterados, mapeando os valores negativos para zero.
Funções de ativação introduzem a não linearidade necessária para que redes neurais aprendam padrões complexos.
A função ReLU (Rectified Linear Unit) é definida matematicamente como f(x) = max(0, x). Isso significa que para qualquer entrada negativa, o neurônio não dispara (saída 0), e para entradas positivas, ele transmite o valor original.
A definição correta da operação da ReLU é a manutenção de positivos e zeramento de negativos.
Alternativa D.