Gabarito disponível
Resolução comentada
A função de ativação introduz a não linearidade na MLP.
Sem função de ativação não linear (ReLU, sigmoide, tanh), várias camadas se reduziriam a uma única transformação linear. É a função de ativação que permite à rede aprender representações complexas.
Análise das alternativas
A: pesos são parâmetros lineares ajustados no treino. B: a camada de entrada só recebe os dados. C: a camada oculta só é útil por conter ativações não lineares. E: o backpropagation é o algoritmo de ajuste dos pesos, não fonte de não linearidade.
Referência: Literatura de redes neurais (Haykin; Goodfellow).
Resolução comentada do VaiConcursos.