As Redes Neurais Recorrentes foram desenvolvidas para modelar dados sequenciais, incorporando mecanismos que permitem a retenção de informações ao longo do tempo. Diferentemente de arquiteturas puramente feedforward, as redes recorrentes incluem conexões que realimentam estados internos, possibilitando que informações anteriores influenciem o processamento atual. Em arquiteturas mais elaboradas, como aquelas que utilizam unidades com mecanismos de controle de memória, a organização das camadas permite mitigar limitações associadas à propagação de gradientes em sequências extensas. A compreensão da estrutura dessas camadas é essencial para analisar o comportamento do modelo em tarefas como processamento de linguagem natural e séries temporais. Fonte: RUSSELL, S.; NORVIG, P. Inteligência artificial: uma abordagem moderna. Rio de Janeiro: Elsevier, 2021. Com base nas informações apresentadas, avalie as asserções a seguir e a relação proposta entre elas: I. Em Redes Neurais Recorrentes, as camadas recorrentes mantêm estados internos que permitem incorporar informações de etapas anteriores da sequência no processamento atual. PORQUE II. Nessas arquiteturas, as conexões recorrentes eliminam qualquer influência do histórico da sequência, concentrando o processamento apenas na entrada presente. A respeito dessas asserções, assinale a opção correta: A) As asserções I e II são falsas. B) As asserções I e II são verdadeiras, e a II é uma justificativa correta da I. C) A asserção I é uma proposição falsa e a II é uma proposição verdadeira. D) As asserções I e II são verdadeiras, mas a II não é uma justificativa correta da I. E) A asserção I é uma proposição verdadeira e a II é uma proposição falsa.