Vamos analisar cada uma das alternativas para encontrar a correta: A) Ao empregar a descida do gradiente, a Regra Delta do Adaline garante encontrar o mínimo global da função de custo, permitindo ao modelo resolver problemas de classificação que não são linearmente separáveis. - Essa afirmação é parcialmente verdadeira, mas a descida do gradiente não garante sempre encontrar o mínimo global, especialmente em problemas não convexos. B) Durante o treinamento do Adaline, a função de ativação degrau é aplicada antes do cálculo do erro, para converter a saída em um valor binário, então usado pela Regra Delta para o ajuste dos pesos. - Isso está incorreto, pois o Adaline utiliza uma saída linear e não aplica uma função de ativação degrau antes do cálculo do erro. C) A principal inovação do Adaline, a Regra Delta, é um precursor direto dos métodos de otimização modernos, pois utiliza o gradiente de uma função de custo contínua (o erro quadrático) para guiar a atualização dos pesos, permitindo um ajuste mais suave e proporcional ao erro. - Esta afirmação é correta, pois descreve precisamente a inovação do Adaline e como a Regra Delta funciona. D) A função de custo do erro quadrático médio do Adaline é utilizada para permitir que o neurônio aprenda fronteiras de decisão não-lineares, de forma similar às camadas ocultas em uma MLP. - Isso é incorreto, pois o Adaline, por si só, não é capaz de aprender fronteiras de decisão não-lineares. E) O processo de aprendizado do Adaline é idêntico ao do Perceptron, pois ambos atualizam os pesos apenas quando uma amostra é classificada incorretamente. - Isso é falso, pois o Adaline atualiza os pesos com base no erro contínuo, enquanto o Perceptron faz isso apenas em casos de erro. Portanto, a alternativa correta é: C) A principal inovação do Adaline, a Regra Delta, é um precursor direto dos métodos de otimização modernos, pois utiliza o gradiente de uma função de custo contínua (o erro quadrático) para guiar a atualização dos pesos, permitindo um ajuste mais suave e proporcional ao erro.