O problema XOR (OU-Exclusivo) é um problema não-linearmente separável, logo, necessitamos adicionar neurônios ocultos à rede neural para que esta s...

O problema XOR (OU-Exclusivo) é um problema não-linearmente separável, logo, necessitamos adicionar neurônios ocultos à rede neural para que esta seja capaz de aprendê-lo. Sobre a rede MLP tradicionalmente utilizada para resolver o XOR podemos afirmar:

A) Os neurônios da camada oculta são ortogonais entre si. Um neurônio é responsável por aprender os exemplos da classe 1 e o segundo neurônio é responsável por aprender os exemplos da classe 0.
B) Há uma única configuração que permite o aprendizado do problema XOR e consiste em uma rede com uma única camada oculta contendo dois neurônios e um neurônio de saída responsável pela classificação final do problema.
C) Por se tratar de um problema com saída binária (zero ou um), os neurônios da camada oculta podem assumir funções de ativação lineares.
D) Os neurônios da camada oculta aprendem duas portas lógicas AND e OR e criam uma nova representação a partir dos dados originais. Essa nova representação é linearmente separável, permitindo que um único neurônio de saída seja capaz de separar as classes.
E) Mesmo sendo capaz de aprender fronteiras de separação não-lineares, o problema XOR não pode ser aprendido por uma rede MLP sem uso de realimentação.