Please enable JavaScript.
Coggle requires JavaScript to display documents.
RNA (Redes Neurais Artificiais) - Coggle Diagram
RNA (Redes Neurais Artificiais)
Redes Neurais Artificiais ou RNA são modelos matemáticos
inspirados na estrutura neural e a capacidade de aprender dessa estrutura de seres inteligentes.
O sistema nervoso é formado por um conjunto de neurônios, sendo eles constituídos pelos dendritos, tal sistema é de extrema importância para o funcionamento e comportamento do corpo humano.
Tais redes são formados por diversas unidades de processamento conectadas por canais de comunicação associados a certo peso e assim ela cegue fazendo operações e interações sobre dados fornecidos pelas entradas.
A operação de uma das unidades de processamento proposta por McCullock e Pitts pode ser resumida em 4 etapas
2-Cada sinal é multiplicado por um número, ou peso, que indica a sua influência na saída da unidade;
3- É feita a soma ponderada dos sinais que produz um nível de atividade;
1- Sinais são apresentados à entrada;
4- Se este nível de atividade exceder um certo limite (threshold) a unidade produz uma determinada resposta de saída
Os dados fornecidos geralmente possuem regras de treinamento onde os pesos são ajustados de acordo com a regra apresentada.
As redes organizadas em camadas em sua grande maioria.
Camadas Intermediárias ou Escondidas: onde é feita a maior parte do processamento, através das conexões ponderadas; podem ser consideradas como extratoras de características;
Camada de Saída: onde o resultado final é concluído e apresentado.
Camada de Entrada: onde os padrões são apresentados à rede;
Dois modelos muito conhecidos de redes neurais são:
Backpropagation: trabalhando do mesmo jeito que outros algoritmos, esse modelo tem como vantagem sua solução de problemas “não-linearmente separáveis” e sua capacidade de trabalho multicamadas.
Perceptron: modelo desenvolvido nos anos de 1950 e 1960 por Frank Rosenblatt, baseado no trabalho de Warren McCulloch e Walter Pitts. O modelo como é apresentando ao longo do trabalho, é um modelo matemático que recebe várias entradas e retorna com uma única saída binária.
O que torna as redes neurais o que elas são é a capacidade de aprendizado com o ambiente apresentado para melhorar sua capacidade, tal aprendizado ocorre no ajuste dos pesos feito na etapa de treinamento, chegando no aprendizado quando a rede é capaz de chegar em uma solução para o problema.
Para isso, temos os algoritmos de aprendizado os conjuntos de regras definidos para a solução de um problema.
Existem diversos tipos de algoritmos adaptados para cada rede e situação, se diferenciando principalmente no valor de seus pesos.
O aprendizado é definido também pela maneira que a rede neural se relaciona com o ambiente, existindo assim os seguintes paradigmas de aprendizado.
Aprendizado Não Supervisionado (auto-organização), quando não existe uma agente externo indicando a resposta desejada para os padrões de entrada;
Reforço, quando um crítico externo avalia a resposta fornecida pela rede.
Aprendizado Supervisionado, quando é utilizado um agente externo que indica à rede a resposta desejada para o padrão de entrada;