Ivo Barbi

Pós-Graduação em Engenharia Elétrica

Inteligência Artificial
Redes Neurais Artificiais

João Marques Salomão
Rodrigo Varejão Andreão

As Redes Neurais Artificiais
–

São baseadas no cérebro humano:





Neurônios artificiais são conectados em rede; Processo de aprendizado baseado em algoritmos que ajustam variáveis;
Exigem treinamento para a etapa seguinte de reconhecimento;
Generalização: capacidade de, para um padrão similar, reconhecê-lo oferecendo a mesma solução.

Redes Neurais Artificiais
As RNAs possuem características de adaptação por experiência, capacidade de aprendizado, habilidade de generalização, tolerância a falhas e etc;
 As RNAs são bastante efetivas no aprendizado supervisionado a partir de amostras com padrões e dados de treinamento;


 Os dados podem ser não-lineares, incompletos,

com ruídos, ou compostos de exemplos contraditórios. Resumo Histórico das RNAs
Ano de 1943:
 O neurofisiologista McCulloch e o matemático
Walter Pitts, simularam o comportamento do neurônio biológico, gerando um modelo de neurônio artificial;
• O modelo do neurônio artificial possuía apenas uma saída como uma função do valor de suas entradas.

Resumo Histórico das RNAs
O modelo de McCulloch & Pitts:







Consiste basicamente de um neurônio capaz de executar uma função lógica.
As ligações entre eles produzem somente resultados binários transmitindo exclusivamente zeros ou uns.
As redes são compostas de conexões com pesos dos tipos excitatórios e inibitórios.
Cada unidade é caracterizada por um certo limiar de ativação (threshold).

Resumo Histórico das RNAs
Ano de 1949:
 O psicólogo Donald Hebb, demonstrou que a capacidade da aprendizagem em redes neuronais
(biológicas) vem da alteração da eficiência sináptica:
 Hebb foi o primeiro pesquisador a propor uma lei de aprendizagem específica para as sinapses dos neurônios.
“ a conexão somente é reforçada se tanto as células