Redes Neurais

Redes Neurais
O trabalho em rede neurais artificias, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processo informações de uma forma inteiramente diferente do computador digital convencional. O cérebro é um computador altamente complexo, não linear e paralelo, ele tem a capacidade de organizar seus constituintes estruturais, conhecido por neurônios, de forma a realizar certos processamentos muito mais rapidamente que o mais rápido computador digital.
Evidente que uma rede neural extraia seu poder computacional através, primeiro, de sua estrutura maciçamente paralelamente distribuída e segundo de sua habilidade de aprender e, portanto de generalizar. A generalização se refere ao fato de a rede neural produzir saídas adequadas para entradas que não estavam presentes durante o treinamento. Estas duas capacidades de processamentos de informação tornam possível para as redes neurais resolver problemas complexos que são atualmente intratáveis.
A maneira pela qual os neurônios de uma rede neural estão estruturados esta intimamente ligada com o algoritmo de aprendizagem usado para trinar a rede. Podemos, portanto, falar de algoritmos de aprendizagem utilizados no projeto de redes neurais como sendo estruturados.
Em uma rede neural em camadas, os neurônios estão organizados na forma de camadas. Na forma mais simples de uma rede em camadas, temos uma camada de entrada de nos de fonte que se projeta sobre uma camada de saída de neurônios, mas não vice-versa. Em outras palavras, esta rede é estritamente do tipo alimentada ou acíclica.
Exemplo de uma rede neural:

A inteligência artificial na redes neurais podemos descrever simbólica como a manipulação formal de uma linguagem de algoritmos e representação de dados em uma forma de cima para baixo(top-down). Por outro lado, podemos descrever as redes neurais como processadores distribuídos paralelamente com uma habilidade natural para aprender e que normalmente operam de uma forma de baixo