Considerando os conceitos básicos sobre redes neurais, analise as afirmações a seguir:

I. O aumento do número de neurônios em uma rede composta exclusivamente por transformações lineares é suficiente para que a rede represente relações não lineares suficientemente complexas, desde que a camada oculta possua quantidade elevada de neurônios.

II. A introdução de funções de ativação não lineares aumenta a capacidade representacional das redes neurais, mas também torna mais difícil sua otimização, pois a função de custo pode passar a apresentar estrutura não convexa.

III. Em redes neurais profundas, as camadas ocultas podem ser interpretadas como responsáveis pela construção de novas representações dos dados, de modo que camadas distintas podem aprender características em diferentes níveis de abstração.

IV. Como redes neurais possuem elevada capacidade de representação, o aumento do número de neurônios reduz simultaneamente o erro de treinamento e a possibilidade de sobreajuste, razão pela qual redes maiores tendem necessariamente a apresentar melhor capacidade de generalização.

Assinale a alternativa que apresenta as afirmativas CORRETAS.