Um dos métodos mais conhecidos para treinamento de uma rede neural é o backpropagation. Em relação a esse método, selecione a opção correta sobre suas características.

No backpropagation (retropropagação do erro), a rede calcula a saída (propagação direta), mede o erro na saída e então propaga esse erro de volta pelas camadas para calcular gradientes e ajustar os pesos em todas as camadas treináveis, tipicamente usando descida do gradiente.

Analisando as alternativas:

• A) Falsa. O desempenho do backpropagation depende bastante de hiperparâmetros (taxa de aprendizado, inicialização, regularização, arquitetura) e da qualidade/quantidade dos dados.
• B) Falsa. Ele não atua “especificamente” na camada intermediária; o ajuste ocorre (via gradientes) em todas as camadas com pesos.
• C) Falsa. O ajuste de pesos não ocorre “durante o processamento da camada de entrada para a camada de saída” (propagação direta). O ajuste é orientado pelo erro e pelos gradientes calculados na etapa de retropropagação.
• D) Verdadeira. O backpropagation é o método clássico de treinamento para redes neurais de múltiplas camadas (MLP e outras arquiteturas feedforward), justamente por permitir calcular eficientemente os gradientes em redes profundas.
• E) Falsa. Não é um método “exato” e não garante generalização; pode haver sobreajuste e mínimos locais, entre outras limitações.

Alternativa correta: (D).