Vamos analisar cada uma das alternativas para identificar a correta em relação ao neurônio ADALINE e sua regra de aprendizado: A) O algoritmo LMS garante que o ADALINE encontrará o ótimo global em qualquer problema de otimização, incluindo aqueles com múltiplas soluções locais. - Esta afirmação não é verdadeira, pois o algoritmo LMS pode convergir para mínimos locais, especialmente em problemas não lineares. B) Durante o treinamento, o ADALINE ajusta seus pesos somente quando uma amostra é classificada incorretamente pela função degrau final. - Isso não é correto, pois o ADALINE ajusta seus pesos com base no erro linear, independentemente de a amostra ser classificada corretamente ou não. C) Sua capacidade de minimizar o erro quadrático médio torna o ADALINE um modelo fundamental para tarefas de aproximação de funções e regressão linear. - Esta afirmação é verdadeira. O ADALINE é projetado para minimizar o erro quadrático médio, o que o torna adequado para tarefas de regressão linear e aproximação de funções. D) A regra de aprendizado Delta possibilita que o ADALINE, de forma isolada, resolva problemas de classificação com fronteiras de decisão não-lineares. - Isso não é correto, pois o ADALINE, por si só, não é capaz de resolver problemas de classificação com fronteiras de decisão não-lineares. E) O resultado do ADALINE é inerentemente probabilístico, fornecendo um grau de confiança para cada classificação, de forma similar a uma regressão logística. - Essa afirmação não é verdadeira, pois o ADALINE não fornece resultados probabilísticos como a regressão logística. Portanto, a alternativa correta é: C) Sua capacidade de minimizar o erro quadrático médio torna o ADALINE um modelo fundamental para tarefas de aproximação de funções e regressão linear.