Questão de Tecnologia da Informação · FGV CVM 2024 (nº 26)

A função de ativação em uma camada de uma rede neural decide qual valor um neurônio deve passar adiante, adicionando a capacidade da rede de aprender padrões mais complexos do que uma simples combinação linear.

• (A) Correta: A função de ativação linear ($f(x) = x$) é a padrão porque ela não aplica nenhuma transformação à saída ponderada da camada, agindo como um "pass-through" neutro. Isso permite que o usuário adicione uma função de ativação específica posteriormente ou use a saída bruta para tarefas como regressão.
• (B) Incorreta: A função ReLU (Rectified Linear Unit) é muito popular e frequentemente usada em camadas ocultas de redes neurais por sua eficiência computacional e por ajudar a resolver o problema do gradiente evanescente. No entanto, ela não é a função de ativação padrão; é uma escolha comum que o desenvolvedor deve especificar explicitamente. A armadilha aqui é confundir "comum" com "padrão".
• (C) Incorreta: A função sigmoide é frequentemente usada em camadas de saída para problemas de classificação binária, pois comprime a saída para um valor entre 0 e 1, que pode ser interpretado como uma probabilidade. Não é a padrão para camadas densas em geral.
• (D) Incorreta: A função softmax é utilizada principalmente em camadas de saída para problemas de classificação multiclasse, transformando os outputs em uma distribuição de probabilidade onde a soma de todas as probabilidades é 1. Não é a padrão.
• (E) Incorreta: A função softplus é uma alternativa suave e diferenciável à ReLU, mas é menos comum e definitivamente não é a função de ativação padrão para uma camada Dense.