Considere um modelo de rede neural projetado para tarefas de classificação de imagens. A arquitetura da rede consiste em várias camadas, incluindo camadas de entrada, ocultas e de saída. Durante o treinamento, o modelo aprende a atribuir imagens de entrada a classes predefinidas (por exemplo, “gato”, “cachorro”, “pássaro”, etc.).
Sobre o papel da camada de saída nessa rede neural, é correto afirmar que ela:
- A garante que a rede neural generalize bem para dados não vistos, prevenindo o sobreajuste;
- B ajusta os pesos dos neurônios ocultos para minimizar o erro de classificação durante o treinamento;
- C mapeia as características aprendidas para rótulos de classe específicos com base em padrões aprendidos;
- D realiza a extração de características aprendendo representações hierárquicas a partir de valores de pixel brutos;
- E calcula a soma ponderada das características de entrada e aplica uma função de ativação para produzir probabilidades de classe.