REDES NEURAIS

EQUIPE

•ALEXANDRE BRAGA
•
•FLÁVIO EDUARDO
•
•VICTOR VINÍCIUS
 INTRODUÇÃO

• As redes neurais SURGIRAM por volta dos ANOS 50,

quase ao mesmo tempo que os primeiros computadores que
ocupavam prédios inteiros. A ideia era SIMULAR a atividade
NEURONAL HUMANA, definindo COMPONENTES LÓGICOS
similares aos NEURÔNIOS NATURAIS.
 CONCEITOS
“ Redes Neurais são ALGORITMOS DE COMPUTADORES
pirados no PROCESSAMENTO DE INFORMAÇÕES DO
REBRO.”

“ Redes Neurais são COLEÇÕES DE MODELOS

MATEMÁTICOS que EMULAM algumas das propriedades do
SISTEMA BIOLÓGICO NERVOSO e utiliza as SEMELHANÇAS
DA APRENDIZAGEM BIOLÓGICA COMPATÍVEL.”
 CARACTERÍSTICAS
• Uma Rede Neural artificial é composta por várias
unidades de processamento, cujo funcionamento é bastante
simples. Essas UNIDADES, geralmente são CONECTADAS
POR CANAIS DE COMUNICAÇÃO que estão associados a
determinado peso. As unidades fazem OPERAÇÕES apenas
sobre seus DADOS LOCAIS, que são entradas recebidas pelas
suas conexões. O COMPORTAMENTO INTELIGENTE de uma
Rede Neural Artificial vem das INTERAÇÕES entre as unidades
de PROCESSAMENTO DA REDE.
•

•
 CARACTERÍSTICAS
• São modelos adaptativos treináveis;
• Podem representar domínios complexos (não
lineares);
• São capazes de generalização diante de informação
incompleta;
• Robustos;
• São capazes de fazer armazenamento associativo
de informações;
• Processam informações Espaço/temporais;
• Possuem grande paralelismo, o que lhe conferem
rapidez de processamento;
•

•
•
TOPOLOGIAS NEURAIS
• São tipicamente organizadas em CAMADAS, com
UNIDADES que podem estar CONECTADAS às unidades da
camada posterior, como é ilustrado na FIGURA 1 do próximo
slide. Usualmente as camadas são classificadas em TRÊS
GRUPOS:
•

• Camada de Entrada: onde os padrões são apresentados à rede;

• 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 definido e
apresentado.

•
TOPOLOGIAS NEURAIS

FIGURA 1 - Organização em camadas

•
VANTAGENS E DESVANTAGENS
•
•Q u a lid a d e su p e rio r
•C o m p e titivid a d e
•A u to -a p re n d iza d o
•Im p le m e n ta çã o m a is rá p id a
•Im u n id a d e a fa lh a s
•C a p a cid a d e d e g e n e ra liza çã o
•Im u n id a d e a ru íd o s
•A d a p ta b ilid a d e
•D e m o cra tiza çã o
•
•R e su lta d o s d e sco n ce rta n te s
•Tre in a m e n to d e m o ra d o
•H a rd w a re h ig h -te c
•C a ixa -p re ta
•V o lu m e g ra n d e d e d a d o s
•Pre p a ra çã o d e d a d o s
•Tra b a lh o a rte sa n a l
•
 PERCEPTRON

possui D IS P O S IT IV O S D E T E C T O R E S D E S U B PA D R Õ E S V IS U A IS P R E D E FIN
 PERCEPTRON - ESQUEMA

*
* A menor variação no sinal de
entrada (mensurando) que
resultará ‹ numa variação
mensurável na saída FIGURA 2 - PERCEPTRON
 ART

NJUNTO DE DADOS PARA O SEU TREINAMENTO. A principal característica dess

 ART

FIGURA 3 – EXEMPLO ART

 REDE DE HOPFIELD

ealizado via Aprendizado Hebbiano*. Uma característica importante deste m

* O Aprendizado Hebbiano baseia-se nos seguintes postulados:

1 - Se a ativação de um neurônio tiver grande influência na ativação de um outro

neurônio, a ligação entre estes dois neurônios deve ser reforçada;
2 - Se a ativação de um neurônio não influencia a ativação de um segundo neurônio,
a ligação entre estes dois neurônios deve ser enfraquecida ou até mesmo removida;
Isto demostra a natureza local do aprendizado hebbiano, e sua relação com o
instante em que ocorrem as ligações sinápticas entre dois neurônios
REDE DE HOPFIELD

FIGURA 4 – Rede Hopfield

 APLICAÇÕES

•Análise e processamento de sinais;

•Controle de processos;
•Robótica;
•Classificação de dados;
•Reconhecimento de padrões em linhas de montagem ;
•Filtros contra ruídos eletrônicos;
•Análise de imagens;
•Análise de voz;
•Avaliação de crédito;
•Análise de aroma e odor;
•Biometria digital e ótica.
 BIBLIOGRAFIA

S. A. e MARCO,A.N.P. – "Inteligência Artificial e Redes Neuronais", http://sites.uol.com.br/santin/trabalhos/inteligenci

. – "Inteligência Artificial um Curso Prático", 3ª Edição, Mar. 1989 , p. 197-237.
ligência Artificial e Engenharia de Software". 2ª Edição, Abr./Mai. 1989, p. 129-133.
– "Home page Perceptron Multicamadas""http://www.icmc.sc.usp.br/~andre/neural2.html," consulta em 15/04/2001
R. e KEVIN,K. – "Inteligência Artificial". 2ª Edição, Abr./Mai. 1993, p. 03-33.
CIO,C. e SOUSA,R. – "Introdução aos Sistemas Especialistas", 2ª Edição, Ago 1987, p. 105-136.

com . br / rn / rn_dap
s /# utilização

torialRN / frm1_arquitetura
FINAL
Obrigado!