next up previous contents
Next: Aplicação ao Problema Up: Introdução Previous: Introdução

O Que é uma Rede Neuronal?

Básicamente, uma rede neuronal consiste numa estrutura coneccionista, na qual o processamento se encontra distribuído por um grande número de pequenas unidades densamente interligadas [5] [8]. Por analogia com os sistemas biológicos estas unidades processadoras são usualmente chamadas neurónios.

Resultantes do desejo dos investigadores de desenvolver sistemas com verdadeira inteligência artificial e beneficiando dos progressos da neurobiologia, os quais permitiram melhor compreender muitos dos processos do cérebro, bem como criar modelos da sua principal unidade constituinte, o neurónio; as redes neuronais artificiais constituiem uma das abordagens mais inovadora a esse problema [11].

Um neurónio biológico, esquematizado na figura 3.1, consiste numa única célula capaz de realizar um forma simples de processamento. Cada neurónio é estimulado por uma ou mais ligações vindas de outros neurónios, chamadas sinapses, dependendo o sinal produzido tanto da força das ligações como da sua natureza (inibitória, excitatória, etc). Este sinal é propagado ao longo do axónio indo, por sua vez, estimular outros neurónios. O funcionamento dos neuónios artificiais (figura 3.2) baseia-se, na generalidade dos casos, neste modelo simplificado dos neurónios biológicos.

  
Figure 3.1: Neurónio biológico.

  
Figure 3.2: Neurónio artificial.

Hoje em dia, a variedade de redes neuronais artificiais a serem experimentadas é enorme, com a modelização de cada neurónio a variar desde a simples soma pesada das entradas a conjuntos complexos de equações diferenciais; a informação a circular na rede apenas num sentido ou em vários; os neurónios sendo actualizados simultaneamente ou com intervalos temporais entre eles, etc, resultando daqui um número quase ilimitado de combinações possíveis.

Mas quais as verdadeiras potencialidades deste tipo de sistemas aplicados a problemas reais? Eis algumas das áreas em que a performance das redes neuronais artificiais mais se faz notar:

É ainda de realçar que, em todas as tarefas mencionadas, as redes neuronais apresentam sempre uma grande robustez e flexibilidade, mostrando-se capazes de lidar com dados "fuzzy" ou com grande margem de erro; encontrando padrões subtis, obscuros para muitas outras técnicas e resistindo a alguma não-linearidade nos dados ou até a dados matemáticamente caóticos!

Muitas outras aplicações estão contantemente a ser encontradas para as redes neuronais ao mesmo tempo que os seus fundamentos teóricos se vão tornando cada vez mais robustos, devido ao trabalho incessante de um número cada vez maior de investigadores, a quem esta área tem despertado interesse.

Resumidamente, hoje em dia, muitos tipos de redes neuronais artificiais apresentam tanto uma sólida base teórica com encontram os mais variados campos de aplicação. Para exemplificar, uma feedforward network de três camadas, que constitui o tipo de rede mais utilizada nas aplicações existentes, tem a capacidade de aproximar qualquer função definida num sub-conjunto compacto de , com um erro arbitrariamente pequeno, dado um número suficiente de unidades na camada do meio. A importância deste resultado, combinado com a robustez deste tipo de rede no que diz respeito a erros nas entradas, transforma-a numa ferramenta extremamente poderosa, como mais à frente se confirmará.



next up previous contents
Next: Aplicação ao Problema Up: Introdução Previous: Introdução



Paulo Menezes
Tue Oct 17 03:36:20 MET 1995