Em um cenário de desenvolvimento de modelos de aprendizado de máquina, a compreensão do funcionamento dos neurônios artificiais é fundamental. Esses neurônios são a base das redes neurais, onde cada um deles simula o comportamento de um neurônio biológico, recebendo entradas, aplicando pesos e uma função de ativação para produzir uma saída. A escolha da função de ativação e a forma como os pesos são ajustados durante o treinamento impactam diretamente a capacidade do modelo em aprender padrões complexos nos dados. Assim, é crucial entender como esses elementos interagem para otimizar o desempenho do modelo. Qual das seguintes afirmações sobre o funcionamento de um neurônio artificial é correta? Grupo de escolhas da pergunta Um neurônio artificial não utiliza pesos para ajustar a importância das entradas, apenas soma os valores de entrada. A função de ativação em um neurônio artificial é responsável por transformar a soma ponderada das entradas em uma saída, podendo ser linear ou não linear. Neurônios artificiais não podem ser utilizados em redes neurais profundas, pois são limitados a redes rasas. A saída de um neurônio artificial é sempre um valor binário,