Redes Neurais Artificiais

Redes Neurais Artificiais

Redes Neurais Artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência, podendo ter centenas ou milhares de unidades de processamento e composta, basicamente, por:
A Camada de Entrada representa o papel dos Dendritos, que são os terminais de entrada que recebem os estímulos;
A Camada Intermediária representa o papel do Corpo Central, onde o processamento dos estímulos é feito;
A Camada de Saída representa o papel dos Axônios, que são os terminais de saída que emitem o resultado de todo processamento.
Estas redes são comumente utilizadas para automatizar processos humanos que necessitam de alta precisão como: Reconhecimento Automático de Alvos, Reconhecimento de Caracteres, Robótica, Sensoriamento Remoto, Previsão do Tempo ou Processamento de Voz.
O exemplo mais antigo de Redes Neurais são as redes Perceptron, com uma camada de nós de saída, conectados às entradas por conjuntos de pesos. Essa topologia pode ser considerada a forma mais simples de rede em avanço. A soma do produtos dos pesos pelas entradas é calculada por cada nó de saída e, se o valor calculado ultrapassar um certo limiar (geralmente 0), o neurônio dispara e ajusta a saída para o valor 1; se o valor calculado é menor que o limiar, a saída é ajustada para o valor -1. Dentre os tipos existentes de Redes Neurais estão:
Perceptron com uma camada: capazes de aprender somente sobre problemas linearmente separáveis (que podem ser separados por uma reta em um hiperplano);
Perceptron multicamadas: Esta classe de rede consiste de múltiplas camadas de unidades computacionais, geralmente interconectadas em uma forma de alimentação avante. Isso quer dizer que cada neurônio em uma camada tem conexões diretas a neurônios da próxima camada.
Redes ARTs (Adaptive Resonance Theory): Redes que não precisam da exposição prévia de qualquer número de elementos do