Академический Документы
Профессиональный Документы
Культура Документы
Ocrebrohumano
compostopor
aproximadamente86
bilhesdeneurnios,
cujofuncionamento
estrelacionado
todasasfunese
movimentosdo
organismo.Isso
ocorredemaneira
queainformao
obtidaporreceptores
sensoriaisseja
transmitida,atravsdosneurnios,paraumaregioqueanaliseeprocessecorretamenteesta
informao,garantindoqueoorganismodesenvolvaumarespostaapropriadaparadeterminado
estmulo.
AestruturadeumneurniotpicosimilarFigura1.Osdendritosconduzemsinaiscaptados
deoutrosneurniosatravsdasextremidadesparaocorpocelular(tambmconhecidocomo
soma),queporsuavezresponsvelporcoletarecombinarasinformaesrecebidas.Jo
axniotransmiteasinformaesdocorpocelularparaoutrasclulas.Osneurniosesto
conectadosentresiatravsdesinapsesouseja,impulsonervosotransmitidodeumneurnio
paraooutroatravsdeneurotransmissoresformandoumagranderedechamadaRede
Neural,queproporcionaumagrandecapacidadedeprocessamentoearmazenamentode
informao.
Paraamodelagemquefaremos,etambmnasaplicaescitadasabaixo,utilizaremosas
redesneuraisartificiais.Podesedizerqueredesartificiaisconsistememummodode
abordarasoluodeproblemasdeinteligenciaartificia.
QuandofalamosemRedesNeuraisArticiais(RNA's),podemosdistinguirpelo
menosdoiscomponentesfsicos:conexeseelementosdeprocessamento.
AcombinaodessesdoiselementoscriaumaRNA.Podemosfazerumaanalogia
comumgrafo,ondeosnssooselementosdeprocessamentoeasarestas
soasconexessinpticas.
RedesNeuraisArtificiais
Paraaplicarmosoconceitoderedesneuraisdevemosfazeralgumassimplificaes:
Consideramosneurnioscomopossuindoapenasdoisestadosativoounoativo.Tais
estadossodefinidosrealizandoseasomadasentradasmultiplicadaspelosseusrespectivos
pesossinpcosedefinimosumlimiarqueaoserigualadoouultrapassadoativaroneornio.
Baseandosenomodelodafigurax.xtemosque
(Xi Wi)
n
i=0
*
Alterandoeospesosparavaloresdeterminadosde
entradapodemosfazercomqueoneurniose
comportecomoumaportalgicaANDouOR.
Estabelecendoospesossinpticosw1ew2=1eolimiar2teramos:
X1 X2 Output
0 0 0*1+0*1=0<2=>inativo
0 1 0*1+1*1=1<2=>inativo
1 0 1*1+1*0=1<2=>inativo
1 1 1*1+1*1=2=2=>ativo
AssemelhandoseaumafunoAND
Mantendoospesossinpticospormalterandoolimiarpara1temos:
X1 X2 Output
0 0 0*1+0*1=0<1=>inativo
0 1 0*1+1*1=1=1=>ativo
1 0 1*1+1*0=1=1=>ativo
1 1 1*1+1*1=2>1=>ativo
Expandindotalconceitopodemosmodelarumgrafodirecionadoquepossibilitaa
simulaodemaissistemascomputacionaiscomoporexemploumportalgicaXOR:
OsneurniosXeYrecebemumsinaldeentradaque
processadopelacamadaditacamadaocultacomneurniosde
limiares1,2e1respectivamente,eapsaaplicaodospesos
ativaounooneurniodesada.
Aplicaespararedesneurais
Asredesneuraisartificiaispodemseraplicadaspararesolverumagrandequantidade
deproblemas.Umbomexemplodeaplicaososoftwaresdereconhecimentodevoz,que
precisamaprenderaconheceravozdedeterminadaspessoas.Redesneuraistambmso
usadasemrbosquedesarmambombas.Sevocjusouumscannerpararetirarumtextode
umjornal,porexemplo,saibaqueosoftwaredeOCR,queresponsvelporisso,precisa
aprenderareconhecercaracteresdaimagem.Logo,elecertamentepossuialgoritmosderede
neural.ExistematalgunssoftwaresqueaprendemaidentificarSPAMsememailse
apaglos(econseguemumamargemaceitveldeacertos).Masnogeralasredesneurais
sousadasprincipalmenteemaplicaesmaiscomplexas,comoemusinas,mercado
financeiro,etc.
Outroexemplodautilizaoderedesneuraisparamelhorianatomadadedecisesno
diagnsticomdico.Emseuaprendizado,sosubmetidosumasriedediagnsticosde
pacientes,devriascaractersticas,comvriossintomaseosresultadosdeseustestes.
Tambmserofornecidososdiagnsticosmdicosparacadadoena.Entoquandoforem
apresentadososdadosdeumnovopaciente,comseussintomas,aredefornecerum
diagnsticoparaosnovoscasos.Istoessencialmentecriarumsistemacomoconhecimento
devriosmdicos,efornecerumdiagnsticoinicialemtemporealummdico.importante
mencionarquecomissooquesepretendeimplementarumaferramentadeauxlioao
mdico,enoumprogramaqueosubstitua.
Aprendizado
Aprincipalcaractersticaemumaredeneuralsuacapacidadedeadaptarseao
ambiente,consequentementemelhorandoseudesempenho.Issofeitoatravsdo
treinamento,umprocessointerativodeajustedospesosdasarestasdografo,que
representamacorrelaodassinapsesentreosneurnios.Quandoobtemosumasoluo
generalizadaparaumdeterminadoconjuntodeproblemas,dizemosqueoaprendizadoocorreu.
Duranteotreinamentoumconjuntodedadosapresentadodeformaaleatriarede,a
fimdequeestaaprendaasregraseumpadroenoapenasdecoreosresultados.Um
algortmodeaprendizadoparteessencialnessafaseelerepresentaoconjuntoderegras
pelosquaisospesossinpticossoalterados.
Podemosclassificaroaprendizadodealgumasformas:
Omodocomoaredeaprende:
Memorizao
Porexemplos
Poranalogia
Porexploraoedescoberta
Seexisteounosupervisoduranteoaprendizado:
Aprendizadosupervisionado:usadoumagenteexternoqueindicaaredea
respostadesejadaparadeterminadopadrodeentrada
Aprendizadonosupervisionado:quandonoexistetalagenteexterno,arede
organizapadresdeacordocomosdadosdeentradademodoquearede
passearesponderdeformasemelhanteparaestmulossemelhantes.Tais
redestambmsochamadasdedescobridorderegularidadesouredes
autoorganizadas.
Afinalidadedarede:
Autoassociador:Aredememorizaumasriedeexemplosapresentados.Ento,
aorecebercomoentradaumaversodeterioradadeumdestesexemplosarede
capazderestaurarooriginal,funcionandocomoumfiltro.
Heteroassociador:Associaumconjuntodepares,osistemapassaareproduzir
osegundoelementodopar,tambmconhecidocomoreconhecedorde
padres.
Detectorderegularidades:umreconhecedordepadresemquearededeve
seautoorganizarecriarospossveispadres.
Concluso
AssimcomoasRedesComplexas,ocampodasRedesNeuraisumsistemano
linearextremamenteamplo,porabrangerdiferentesreasepoderserutilizadoparasolucionar
diversosproblemasdesdeoscannerdeumaimpressoraadiagnsticosmdicos.Comoum
sistemacomplexo,apresentadinamismodecorrentedesuacapacidadedeaprendizadoalm
dofatodeserimpossvelpreverocomportamentodosistemacomoumtodo,mesmo
conhecendoocomportamentoindividualdealgumasredeseneurnios.
AreadasRedesNeuraisinterdisciplinar,umavezqueatraiointeressedediferentes
profissionais(neurocientistas,psiclogos,engenheiros,cientistasdacomputao,entreoutros)
quebuscamsoluesatravsdaNeurocinciaComputacional.Alemdisso,bastante
promissora,poisilustraabuscadohomemporumamquinaqueindependadecontroles
humanos,possuindoaprendizadoprprio,capacidadedeinteraocomdiferentesambientese
deevoluoadaptativaefuncionalindependenteaumaprogramaoprvia.
RefernciasBibliogrficas