As funções de ativação são um componente crucial das redes neurais, pois decidem se um neurônio deve ser ativado ou não. Além disso, elas tornam o aprendizado possível ao garantir que pequenas alterações nos pesos e bias da rede gerem apenas uma variação suave na saída, permitindo um ajuste fino e controlado do modelo. Sobre as funções de ativação em redes neurais profundas, assinale a alternativa correta: A função sigmoide é ideal para camadas intermediárias por sua estabilidade numérica e capacidade de preservar gradientes. A tangente hiperbólica sempre supera a ReLU no desempenho em tarefas de classificação de imagens. A ReLU possui derivada contínua em todos os pontos, o que elimina problemas de saturação. A função ReLU pode sofrer com o problema de "neurônios mortos", mas sua eficiência computacional e simplicidade a tornam amplamente utilizada. A função softmax é utilizada em todas as camadas da rede para garantir a normalização dos dados.