Questão de Engenharia Elétrica/Eletrônica · CEBRASPE PF 2025 (nº 85)

O conceito-chave é que, em uma camada convolucional, cada kernel (filtro) é uma matriz de pesos que desliza sobre a imagem. Quando você adiciona um bias (um valor escalar somado ao resultado da convolução), ele é um parâmetro extra por kernel, não por posição da matriz.

• Correta: Certo. Um kernel $n \times n$ tem $n \times n$ pesos; somando o bias (1 parâmetro), o total é $n \times n + 1$ parâmetros para aquele filtro.

Fica de olho: A banca pode tentar confundir dizendo que o bias é adicionado por canal de entrada ou que o kernel $n \times n$ gera $n \times n$ parâmetros sem contar o bias, ou ainda que o número de parâmetros é $n \times n \times (\text{nº de canais de entrada}) + 1$ — mas a afirmação do item fala de um único kernel genérico, então o cálculo simples é o correto.