introdução a neurocomputação

Introdução
Este trabalho tem por objetivo explanar sobre os conceitos e aplicabilidades da Neurocomputação baseados em analises de artigos estudados sobre o tema. Porém, primeiramente devemos saber que redes neurais artificiais (RNAs) são modelos computacionais inspirados pelo sistema nervoso central de um animal (em particular o cérebro) que é capaz de realizar o aprendizado de máquina bem como o reconhecimento de padrões. Redes neurais artificias geralmente são apresentadas como sistemas de neurônios interconectados que podem computar valores de entradas.
Para compreender o funcionamento das Redes Neurais Artificiais é fundamental o conhecimento de conceitos básicos sobre o funcionamento do cérebro humano e seus componentes, como: os neurônios.

HISTORICO DA NEUROCOMPUTAÇÃO

As primeiras informações sobre a neurocomputação surgiram por volta dos anos 1940 d.c. em artigos de neurofisiologistas do instituto tecnológico de massachssetts e de um matemático da universidade de Illinois. Onde estes fizeram analogias entre células nervosas vivas e o processo eletrônico, em um trabalho publicado sobre “neurônio formais”, onde simulavam o comportamento do neurônio natural, no qual o neurônio possuía apenas umas saída, que era uma função da soma de valor de suas diversas entradas. Este trabalho consistia num modelo de resistores variáveis e amplificadores, representando conexões sinápticas de um neurônio biológico.
Ainda no mesmo período o livro CYBERNETICS de Wiener, descreve alguns dos conceitos sobre controle, comunicação e processamento estatístico de sinais. Em 1949 HEBB introduziu a capacidade de aprender através de seu livro “THE ORGANIZATION OF BEHAVIOR”. Ele descreve um sistemas de aprendizado por correlação dos neurônios que acabou dando origem a regra de aprendizagem de Hebb e essa teoria é comumente usada para explicar alguns tipos de aprendizagem associativos no qual a ativação simultânea de células leva a um crescimento pronunciado na força