Redes neurais

Redes Neurais

1. Defina o que é uma Rede Neural.
Resposta: Redes Neurais são sistemas paralelos distribuídos compostos por unidades de processamento simples interligadas entre si e com o ambiente por um número de conexões. Também podem ser definidas, como modelos inspirados na estrutura paralela do cérebro e que buscam reter algumas de suas propriedades, as unidades representando os neurônios, enquanto que a interconexão, as redes neurais. No geral, conexões estão associadas a pesos que armazenam o conhecimento da rede e servem para ponderar a entrada recebida pelo neurônio, ou seja, aprendizagem gerada a partir de conhecimento.

2. O Perceptron é um classificador linear, justifique. Qual a diferença entre o Perceptron e o Adaline?
Resposta: O Perceptron é um classificar do tipo linear, pois o resultado da sua função de ativação é tal que a superfície de decisão forma um hiperplano, ou seja, para um dos lados está uma classe, para o outro, a outra. A diferença entre o Perceptron e o Adaline é que, enquanto o Perceptron é uma unidade linear com threshold, ou seja, a atualização dos pesos é baseada no erro da saída da rede após a aplicação do limiar (threshold output), e o seu algoritmo de aprendizagem converge dentro de um número finito de passos para um vetor de passos que classifica corretamente todo o conjunto de treinamento, sendo ele linearmente separável, o Adaline é uma unidade linear sem threshold, ou seja, a atualização dos pesos é baseada no erro da saída da rede sem a aplicação do limiar (unthreshold output), e o seu algoritmo de aprendizagem converge apenas assintoticamente para um vetor de pesos com um erro mínimo, possivelmente requerendo um número ilimitado de passos, independentemente do conjunto de treinamento ser linearmente separável.

3. O que é Perceptron?
Resposta: O Perceptron é a forma mais simples de uma RNA usada para classificação de padrões linearmente separáveis, ou seja, padrões que estão em lados opostos de um hiperplano.