Marque a alternativa que representa uma afirmação incorreta: O tamanho do passo (“stride”) e o uso de preenchimento (“padding”) afetam os resultado...

Marque a alternativa que representa uma afirmação incorreta:
O tamanho do passo (“stride”) e o uso de preenchimento (“padding”) afetam os resultados de uma camada convolucional.
Para um filtro de tamanho F, o preenchimento realizado de forma a acrescentar uma borda de zeros com tamanho (F – 1) / 2 é capaz de eliminar o efeito de redução da dimensão espacial quando o passo for 1
A camada de convolução “desliza” um filtro sobre todas as localizações espaciais da entrada de forma a produzir um mapa de ativação
Rede recorrente pode ser “estendida” em várias etapas de tempo, produzindo um grafo acíclico direcionado que viabiliza o uso da propagação retrógrada (“back propagation”), porém seu tamanho dependerá do comprimento da sequência de entrada
A rede AlexNet alcançou uma redução taxa de erro de aproximadamente 10%
O filtro de uma camada convolucional não precisa se estender por toda a profundidade do volume de entrada
Em uma rede recorrente, as camadas podem ser empilhadas de forma a se produzir versões profundas, em que cada camada é responsável por adicionar um nível maior de abstração e se utiliza se diferentes parâmetros durante os diferentes intervalos de tempo (em um mesmo nível)
Em uma rede recorrente, o gradiente ao longo da dimensão temporal pode tanto crescer como reduzir exponencialmente, inviabilizando o treinamento caso se considere um intervalo de tempo (isto é, tamanho de sequência de entrada) razoável
A rede VGG foi a primeira a se utilizar da função de ativação ReLU (“Rectified Linear Unit”)
As redes AlexNet e VGG representam dois importantes marcos na evolução das redes neurais profundas aplicadas à tarefa de classificação de imagens.