Академический Документы
Профессиональный Документы
Культура Документы
Bibliografia
Simon Haykin Redes Neurais Princpios e Prtica, Traduo, Ed. Artmed: Bookman, Porto Alegre, 2001. Laurene Fausett Fundamentals of Neural Networks Architectures, Algorithms, and Applications, Prentice-Hall, USA, 1994. Ral Rojas Neural Networks A Systematic Introduction, Springer-Verlag, Berlin, 1996. James A. Freeman, David M. Skapura Neural Networks Algorithms, Applications, and Programming Techniques, Prentice-Hall, USA, 1991. Braga,A.; Carvalho, A.; Ludermir, T. "Redes Neurais Artificiais: Teoria e Aplicaes", Livro Tcnico e Cientfico, Rio de Janeiro, 2000. Zsolt L. Kovcs, - Redes Neuras Artificiais Fundamentos e Aplicaes, 3a. edio. Editora Livraria da Fsica, So Paulo-SP, 2002. Christopher M. Bishop Neural Networks for Pattern Recognition.Oxford University Press, 2005. Robert Lent Cem Bilhes de Neurnios Conceitos Fundamentais de Neurocincia. Ed. Atheneu, So Paulo, 2001.
Contedo da Disciplina
Introduo Base Biolgica Redes Neurais Artificiais Perceptron Simples Perceptron Multicamadas Redes de Base Radial Redes de Hopfield SOM (Kohonen) Neocognitron (Fukushima)
Avaliao
Duas provas
Trabalhos, Exerccios
Motivaes
com que um computador reconhea figuras. encontrar regras explcitas para cobrir uma infinidade de possibilidades de figuras distorcidas, efeitos de iluminao e sombreamento, efeitos de perspectiva, e outros. para reconhecimento de vozes, existe uma quantidade de variaes de tonalidades, acentos, etc.
O crebro humano manipula problemas onde regras explcitas no so facilmente formuladas, assim como os computadores modernos tem facilidade em aritmtica.
O crebro humano aprende tais habilidades no tanto por regras explcitas, mas atravs de exemplos.
Os cientistas investigam: a habilidade de trabalhar sem regras explcitas, e o aprendizado atravs de exemplos, relacionado com o crebro.
O funcionamento do crebro humano no totalmente entendido, e objeto de contnuas pesquisas. Contudo, pelo que se conhece hoje, parece operar como segue: o processamento de informao no crebro realizado por uma rede de milhes de unidades de processamento simples chamados neurnios; essencialmente, cada neurnio recebe sinais de um grande nmero de outros neurnios, combina essas entradas, e ento envia sinais a um grande nmero de outros neurnios. o padro de conexes entre os neurnios que parece incorporar o conhecimento requerido para realizar o processamento de informaes. Por isso, um nome alternativo para o processamento que imita o crebro seria computao conexionista.
Ramn e Cajl, em 1911, sugerem que os constituintes bsicos do crebro so os neurnios. O crebro humano apresenta aproximadamente 1011 neurnios, com aproximadamente 1013 sinapses ou conexes. Os neurnios so de 5 a 6 ordens de magnitude mais lentos do que portas lgicas de silcio (10-3 seg. x 10-9 seg) Porm, a sua eficincia energtica muito alta.
Funcionalidade do crebro
_ adaptabilidade por intermdio de aprendizado
_ comportamento sensvel ao contexto _ tolerncia a erro _ capacidade de operar com conhecimento parcial _ grande capacidade de memria _ capacidade de processamento em tempo real
As redes neurais artificiais so diferentes dos computadores convencionais nos seguintes itens:
do ponto de vista de projeto, redes neurais artificiais so dispositivos computacionais que usam os princpios similares aos do crebro humano. O esforo motivado pela esperana de que tais computadores sejam mais eficientes que os computadores convencionais em tarefas onde esses ltimos apresentam dificuldades; e do ponto de vista funcional, um objetivo importante o desenvolvimento de computadores que possam aprender atravs de exemplos. A necessidade de aprendizado atravs de exemplos intimamente vinculada dificuldade de formulao explcita de regras para certas aplicaes.
Enfoques Diferentes
Os
Tendncias
O estmulo inicial que conduziu ao desenvolvimento de modelos matemticos de redes neurais artificiais, foi um esforo para entender mais detalhadamente o funcionamento do crebro humano. O objetivo era construir mecanismos que operassem de modo similar (tomar decises, processar informaes, aprender, lembrar e otimizar) e se possvel, at de forma mais eficiente que o crebro humano. Tomando por base os prottipos at aqui desenvolvidos, de consenso geral que este objetivo ainda est longe de ser atingido.
No entanto, continua elevado e em forte expanso o interesse na formalizao e aplicao de modelos de redes neurais artificiais.
multidisciplinaridade
A razo para o interesse em redes neurais artificiais o seu enorme potencial na anlise e sntese de sistemas de processamento de informao e na generalizao de resultados expressivos j obtidos em outras reas de atuao cientfica, o que tambm contribui para evidenciar o carter multidisciplinar da pesquisa. As principais reas envolvidas so: estatstica, teoria de informao, teoria de sistemas lineares e no-lineares, teoria da computao, lgebra linear, aproximao de funes, processamento de sinais, controle de processos e otimizao de sistemas.
A maturidade atingida como rea de atuao cientfica tem levado ao desenvolvimento de ferramentas de engenharia eficazes e utilizao eficiente dos recursos computacionais, ampliando a capacidade de manipulao de informaes.
APLICAES
Clustering/categorizao
Em clustering ou agrupamento, tambm conhecido como classificao de padres no-supervisionada, no existem dados para treinamento com classes conhecidas.
Um algoritmo de clustering explora a similaridade entre os padres e coloca os padres similares num grupo.
Aplicaes conhecidas de clustering incluem minerao de dados, compresso de dados, e anlise exploratria de dados.
Aproximao de funes
Supondo que um conjunto de n padres de treinamento (pares entrada-sada), (x1, y1), (x2,y2), ..., (xn,yn), tenham sido gerados de uma funo desconhecida f(x) (sujeito a rudo).
A tarefa da aproximao de funo achar uma estimativa, digamos f(x) da funo desconhecida.
Previso(forecasting)
Dado um conjunto de n amostras (y(t1), y(t2), ..., y(tn)) em uma sequncia de tempo t1, t2, ...,tn, a tarefa de prever a amostra y(tn+1) num futuro tn+1. A previso (forecasting) tem um impacto significativo na tomada de decises em negcios, cincia, e engenharia. Previso de estoques e de tempo so aplicaes tpicas.
Otimizao
Uma grande variedade de problemas em matemtica, estatstica, engenharia, cincia, medicina e economia podem ser classificadas como problemas de otimizao.
A meta de um algoritmo de otimizao achar uma soluo que consiste numa funo objetiva gerada por um conjunto de restries que seja maximizada ou minimizada.
O problema do vendedor ambulante (traveling salesman problem), e o problema NP-complete, so exemplos clssicos.
No modelo de von Neumann de computao, uma entrada na memria acessada somente atravs do endereo, e no em funo do contedo na memria. Assim, se um pequeno erro ocorre quando feito o clculo de endereo, obtido um item completamente diferente.
Controle
Considerando um sistema dinmico definido por um (u(t), y(t)), onde u(t) a entrada do sistema de controle e y(t) a sada, no tempo t.
No controle adaptativo referenciado por padro, a meta gerar uma entrada u(t) tal que o sistema siga uma trajetria desejada determinada por um padro de referncia.
Comparando aves (naturais) e avies (artificiais), ambos tem asas, porm, enquanto as aves voam agitando as suas asas, os avies voam sem agitar as suas asas. At que ponto os crebros artificiais devem ser projetados baseados na estrutura dos crebros reais? Atualmente os cientistas ainda no tem certeza dos princpios essenciais que devem ser incorporados num crebro artificial. Em relao ao avio, sabe-se que a agitao das asas no um princpio essencial, porm, ter asas essencial. Similarmente, ter interconexes entre os processadores um princpio essencial, mas usar processos qumicos e eltricos para as interaes entre os processadores, no um princpio essencial.
neurnios no crebro humano so muito mais lentos que os chips usados em computadores convencionais. mas o crebro humano parecem trabalhar velozmente em muitas tarefas de processamento de informao. isso acontece porque no crebro as unidades trabalham essencialmente em paralelo, e cada unidade capaz de realizar vrias funes simultaneamente a outras unidades. os projetos baseados numa CPU essencialmente requerem aes realizadas uma a uma, sequencialmente e serialmente.
Finalmente, no processo de aprendizado atravs de exemplos, as redes neurais artificiais exibem uma outra caracterstica:
a de generalizao. Isso significa que se a rede aprende a lidar com um certo problema, e lhe apresentado um similar, mas no exatamente o mesmo, ela tende a reconhecer esse novo problema, oferecendo a mesma soluo. naturalmente, essa a forma em que os seres humanos tendem a generalizar e aplicar os conhecimentos anteriores para lidar com novos problemas.
importante mencionar que as redes neurais artificiais no esto sendo propostas para substituir ou sobrepujar os projetos de computadores convencionais, mas sim para complementlos.