Durante o treinamento de uma rede neural, o processo de ajuste dos pesos ocorre por meio de um algoritmo que minimiza a função de erro da rede, utilizando uma técnica de descida no gradiente da função de custo. Esse algoritmo calcula os gradientes das funções de custo em relação aos pesos e, a partir disso, atualiza os valores dos pesos para melhorar o desempenho do modelo.
Com base nesse contexto, qual das alternativas a seguir corresponde ao nome do algoritmo mais comumente utilizado para realizar esse ajuste dos pesos em uma rede neural?
A Forward Propagation - Processo que consiste em calcular as saídas da rede a partir das entradas, mas não ajusta os pesos.
B Softmax - Função de ativação usada para classificação de múltiplas classes, mas não ajusta os pesos.
C Regularization - Técnica usada para evitar overfitting, mas não ajusta diretamente os pesos da rede neural.
D Pooling - Técnica usada em redes neurais convolucionais para reduzir a dimensionalidade dos dados, mas não está relacionada ao ajuste de pesos.
E Backpropagation - Algoritmo que calcula o gradiente da função de erro em relação aos pesos e os ajusta durante o treinamento da rede.