Analise as seguintes afirmações sobre tipos de aprendizados em Redes Neurais Artificiais: I – No aprendizado por memória, o mecanismo não enxerga os neurônios individualmente, mas sim a rede como um todo. Um estado de “energia” é atribuído ao sistema, dada uma configuração, e esse estado é corrigido com base em uma pseudo-temperatura (determinado momento no tempo que reflete uma configuração qualquer). Com o uso de uma função estocástica (aleatória) de variação em alguns pesos a cada ciclo, o sistema tende a um equilíbrio após vários ciclos, gerando a resposta esperada. II – No Aprendizado Hebbiano, o peso de uma sinapse (conexão entre dois neurônios) é aumentado se ambos os neurônios são excitados simultaneamente (no mesmo momento temporal); por outro lado, esse peso é reduzido se ambos os neurônios são excitados em momentos diferentes. III – No aprendizado de Boltzmann, a correção dos pesos se dá pela construção de um vetor de duplas, que contém duplas de valores de entrada e valores desejados de saída. Esse vetor tem suas duplas visitadas na vizinhança dos valores ideais de entrada e saída desejados a cada iteração, com os valores mutados para corrigir os pesos de entrada dos neurônios. Assinale a alternativa CORRETA, conforme Oliveira (2018): OLIVEIRA, R. F. Inteligência Artificial. Editora e Distribuidora Educacional S.A. 224pg. 2018.