Redes neurais

REDES NEURAIS

Histórico das Redes Neurais Artificiais
De acordo com [MÁSSON1990], o primeiro modelo formalizado de redes neurais artificiais foi proposto por McCulloch e Pitts, em 1943. Essa estrutura abstraía a complexidade da atividade neural em sistemas neurais reais, assim como complicadas características encontradas no corpo de neurônios biológicos, formando a base para a maioria dos modelos conexionistas desenvolvidos posteriormente.
[HEBB1949] publica The Organization of Behavior, assumindo que a aprendizagem do conhecimento representado em uma rede neural seja alcançada pelo fortalecimento das conexões entre neurônios adjacentes, sempre que esses estiverem excitados.
Em 1958, Frank Rosenblatt criou o perceptron, um modelo cognitivo que consistia de unidades sensoriais conectadas a uma única camada de neurônios de McCulloch e Pitts, capaz de aprender tudo o que pudesse representar. Rosenblatt demonstrou que, se fossem acrescidas sinapses ajustáveis, as redes neurais de McCulloch e Pitts poderiam ser treinadas para classificar padrões em classes linearmente separáveis, convergindo em um número limitado de passos [MÁSSON1990].
No início da década de 60, Widrow e Hoff publicam um artigo no qual especificam um neurônio artificial baseado no modelo de McCulloch e Pitts, denominado adaline. Conforme [MÁSSON1990], a importância desse modelo está associada à regra de aprendizagem proposta, a regra Delta.
A publicação de Perceptrons de Minsky e Papert, em 1969, expôs as limitações do modelo de Rosenblatt, provando que tais redes não são capazes de resolver uma ampla classe de problemas devido às restrições de representação [MÁSSON1990] [WASSERMAN1989]. O impacto desta publicação foi devastador, praticamente desaparecendo o interesse em redes neurais artificiais nos anos seguintes. Somente poucos pesquisadores como Malsburg, Grossberg, Kohonen e Anderson permaneceram concentrando suas atividades na abordagem conexionista.
A partir dos anos 80, com o avanço