Вы находитесь на странице: 1из 14

Rede Neurais

Do livro Rede Artificiais: Teoria e Aplicaes

1. Quantos tipos h de comunicaes no crebro, e quais so? a. Dois tipos: i. Sinais qumicos atravs das sinapses. ii. Sinais eltricos dentro do neurnio. 2. Quem possibilita a transmisso desse dois tipos de sinais? a. A membrana dos nodos. 3. Quem responsvel pela funo vital do sistema nervoso e central sua capacidade de processamento? Qual esta funo? a. a membrana que envolve o exterior do corpo do neurnio que tem a capacidade de gerar os impulsos nervosos, os quais so eltricos. b. Gerar os impulsos nervosos.

4. Quem combina os sinais recebidos de outros neurnios, e aps combina-los o que acontece? a. O corpo do neurnio. b. Feito a combinao, gera-se um valor e se for acima do limiar de excitao do neurnio, um impulso eltrico gerado e propagado atravs do axnio para os neurnios seguintes. 5. Como se d a diferena de potencial, volts, entre o interior e o exterior do neurnio? a. A d.d.p surge pela diferena de concentrao de potssio dentro da clula e de sdio fora da clula. 6. O que e como se d o potencial de repouso? a. O potencial de repouso o perodo em que o neurnio se prepara para a gerao de um novo impulso. b. O potencial de repouso so de -70 mV em relao ao exterior da clula causado pela concentrao de ons de potssio dentro da clula. 7. O que um potencial de ao? a. o impulso nervoso. Para que a clula dispare o impulso nervoso preciso que a d.d.p nas sinapses reduzam at -50 mV. Neste nvel de tenso ocorre inverso do fluxo de sdio e de potssio, dentro da clula fica positivo em relao ao exterior. A inverso de polaridade a causa da propagao do impulso nervoso pelo axnio at suas conexes sinpticas. 8. Como se propaga o impulso nervoso? a. A inverso de polaridade dentro da clula a causa da propagao do impulso eltrico, o impulso nervoso, pelo terminal do axnio, ento os canais controlados por tenso se abrem e libera as molculas neurotransmissoras para dentro da clave sinptica e o processo continua no neurnio seguinte. 9. O que clave sinptica? a. a regio entre a membrana pr-sinptica e a membrana ps-sinptica. 10. Quem determina a polarizao ou a despolarizao do corpo do neurnio seguinte, i.e., se teremos uma sinapse inibitria ou excitatria? a. O tipo de neurotransmissor liberado. 11. Quantos tipos de neurotransmisores existem? a. Em torno de 100 tipos diferentes. 12. O que determina se um neurnio ps-sinptico ir ou no gerar um impulso nervoso? a. atravs da combinao de todos os impulsos nervosos de todos os nodos pr-sinpticos na polarizao do neurnio ps-sinpticos. 13. O que percentual de disparo? a. o percentual necessrio para o neurnio gerar o impulso nervoso, ou seja, o percentual de disparo determinado pelo acmulo de um grande nmero de entradas inibitrias e excitatrias, medido pelo corpo da clula dentro de um tempo curto. 14. Depois que o neurnio gera o impulso nervoso ele j esta pronto para o prximo? Se for no, explique. a. No. Depois de gerar um impulso nervoso, o neurnio entra num perodo chamado de refrao onde o axnio no pode ser estimulado. Durante a refrao o neurnio retorna ao seu potencial de repouso enquanto se prepara para a gerao do prximo impulso nervoso.

Neurnios Artificiais
Na figura 1.3:

Na Prtica1

Unidade somatrio Quando as entradas so introduzidos no neurnio, a unidade de soma ir inicialmente encontrar o valor lquido. Para encontrar o valor lquido, o produto de cada valor de entrada e de peso da ligao correspondente calculado. Isto , o valor de entrada x (i) de cada uma das entradas do neurnio multiplicado com a ligao o associado ao peso w (i). No caso mais simples, estes produtos so somados e introduzido na funo de transferncia. Ver o cdigo pseudo abaixo, mais simples de entender. Alm disso, um neurnio tem um valor de polarizao, o que afeta o valor lquido. A polarizao de um neurnio definido como um valor aleatrio, quando a rede inicializada. Vamos mudar os pesos de cada conexo e a polarizao de todos os neurnios da rede (exceto os neurnios na camada de entrada), durante a fase de treinamento. Ou seja, se x a entrada, e w o peso associado, em seguida, o cdigo pseudo para clculo do valor lquido como se segue.
netValue=0 for i=0 to neuron.inputs.count-1 netValue=netValue + x(i) * w(i) next netValue=netValue + Bias

http://www.codeproject.com/Articles/14342/Designing-And-Implementing-A-Neural-NetworkLibrar#5.7.%20Creating%20A%20Network

Funo de Transferncia Funo de transferncia uma funo simples, que usa o valor lquido para gerar uma sada. Esta sada , ento, propagada para os neurnios da camada seguinte. Podemos utilizar vrios tipos de funes de transferncia como mostrado abaixo. Funo de Transferncia de limite rgido: uma funo simples com um limite rgido de sada igual a 1 se valor lquido maior do que 0.5 e ir mostrar 0 se o valor lquido menor do que 0.5 - como mostrado:
if (netValue<0.5) output = 0 else output = 1

Funo Transferncia sigmoidal: Outro tipo de funo de transferncia uma funo de transferncia sigmide. Uma funo de transferncia sigmide ter um valor lquido como entrada e produz uma sada de 0 a 1, como mostrado:
output = 1 / (1 + Exp(-netValue))

A implementao da unidade soma e da funo de transferncia pode variar em diferentes redes. Isto, uma rede neural construdo a partir de tais modelos bsicos, chamadas neurnios, dispostas em camadas em conjunto, e ligados uns aos outros, tal como explicado anteriormente. Agora vamos ver como todos estes neurnios trabalham em conjunto, dentro de uma rede neural.

Trabalhando com uma rede neural inclui Treinamento da rede -fornecendo entradas e sadas correspondentes. Nesta fase, estamos treinando uma rede neural com amostras para executar uma determinada tarefa. O funcionamento da rede - fornecendo a entrada para obter a sada. Nesta fase, que ir fornecer uma entrada para a rede, e obter a sada. A sada pode no ser exacto sempre. De um modo geral, a preciso na sada durante a execuo fase depende muito das amostras ns fornecidas durante a fase de treinamento, bem como o nmero de vezes que treinamos a rede. Esta seo explica como a treinamento ocorre, em um Backpropagation, propagao de erros para trs. Numa rede neural, o Backpropagation, existem vrias camadas, e cada neurnio em cada camada est ligada a todos os neurnios na camada seguinte. Para cada conexo, um peso aleatrio atribudo quando a rede inicializada. Alm disso, um valor de polarizao aleatria atribudo a cada neurnio durante a inicializao. O treinamento o processo de ajuste dos pesos de conexo e polarizao de todos os neurnios da rede (exceto neurnios na camada de entrada), para permitir que a rede produza uma sada esperada para todos os conjuntos de entrada.

Agora, vamos ver como o treinamento realmente acontece. Considere uma pequena rede 2-2-1. Agora, vamos treinar esta rede com tabela verdade do AND. Como voc sabe, e tabela de verdade

Вам также может понравиться