Para resolver problemas do mundo real com redes neurais, normalmente é necessário usar redes de tama...

Alternativa E - A poda da rede começa com uma rede perceptron de múltiplas camadas grande com desempenho adequado, da qual passam a ser eliminados ou reduzidos pesos sinápticos de forma seletiva e ordenada.

Introdução

Redes Neurais de Múltiplas Camadas (MLP) podem sofrer com excesso de parâmetros, levando ao alto custo computacional e ao sobreajuste (overfitting). A otimização do tamanho da rede é crucial para a eficiência.

Desenvolvimento

Existem duas estratégias principais: os algoritmos construtivos (que começam com uma rede pequena e adicionam neurônios) e os algoritmos de poda (pruning), que começam com uma rede superdimensionada e removem conexões ou neurônios que pouco contribuem para a saída final.

Análise

• Poda (Pruning): Visa simplificar a arquitetura removendo pesos irrelevantes (próximos de zero) ou neurônios redundantes.
• Generalização: Ao contrário do que afirma a alternativa B, a poda melhora a generalização ao reduzir a variância do modelo.
• Complexidade: A poda reduz a complexidade, invalidando a alternativa C.
• Ação: A alternativa A descreve uma mistura de crescimento e poda, mas a definição clássica de poda foca na redução seletiva a partir de uma rede funcional.

Conclusão

A técnica de poda é um processo descendente de simplificação estrutural que busca manter o desempenho original com uma arquitetura mais enxuta.

Alternativa E.