Computacão-109

Prévia do material em texto

Tema 105: Redes Neurais Artificiais 
As redes neurais artificiais são uma das tecnologias fundamentais dentro do campo de 
inteligência artificial. Elas tentam emular a forma como os neurônios do cérebro humano 
funcionam, permitindo que as máquinas aprendam e tomem decisões com base em dados. Uma 
rede neural é composta por camadas de unidades de processamento, chamadas de neurônios 
artificiais, que estão interligadas. 
1. Estrutura e funcionamento: As redes neurais consistem em três tipos principais de 
camadas: Camada de entrada: Recebe os dados de entrada. Cada neurônio nesta 
camada corresponde a uma característica ou atributo dos dados.Camadas ocultas: 
Processam os dados por meio de uma série de cálculos matemáticos, utilizando funções 
de ativação para gerar sinais de saída.Camada de saída: Produz a resposta final da 
rede, que pode ser uma classificação, um valor contínuo ou uma previsão.Cada conexão 
entre neurônios tem um peso que determina a força de influência de uma unidade sobre 
a próxima. Os pesos são ajustados durante o processo de aprendizado, que é realizado 
utilizando algoritmos como o backpropagation, onde o erro entre a previsão da rede e 
a resposta real é retroalimentado para ajustar os pesos. 
2. Treinamento de redes neurais: O treinamento de uma rede neural envolve o uso de 
um conjunto de dados de treinamento, com exemplos de entradas e as respectivas saídas 
desejadas. Durante o treinamento, a rede ajusta seus pesos para minimizar o erro nas 
previsões. Para isso, técnicas de gradiente descendente são usadas para otimizar a 
função de custo, ou seja, a diferença entre a saída prevista e a saída real. 
3. Tipos de redes neurais: Existem diferentes tipos de redes neurais, dependendo da 
aplicação: 
Redes neurais feedforward: A informação se move em uma direção, da camada de entrada 
para a camada de saída, sem ciclos.Redes neurais convolucionais (CNN): Usadas 
principalmente para reconhecimento de imagens, essas redes são projetadas para identificar 
padrões em dados de imagem e vídeo.Redes neurais recorrentes (RNN): Usadas em 
problemas de séries temporais, como previsão de sequências, porque possuem conexões que 
permitem que a saída de um neurônio seja usada como entrada para a mesma rede em ciclos 
sucessivos.Aplicações: As redes neurais são amplamente utilizadas em áreas como 
reconhecimento de voz, tradução automática, detecção de fraudes em transações 
financeiras, carros autônomos e diagnóstico médico. 
Questões: 
1. O que define a principal estrutura de uma rede neural? 
o A) Apenas uma camada de entrada. 
o B) Redes neurais com apenas camadas ocultas. 
o x C) Camadas de entrada, ocultas e de saída. 
o D) Conexões fixas sem pesos ajustáveis. 
2. Qual algoritmo é amplamente usado no treinamento de redes neurais? 
o A) Algoritmo de divisão e conquista. 
o x B) Backpropagation. 
o C) Algoritmo de busca binária. 
o D) Algoritmo de ordenação por inserção. 
3. Quais redes neurais são especialmente adequadas para reconhecimento de imagens? 
o A) Redes neurais feedforward. 
o B) Redes neurais recorrentes. 
o C) Redes neurais de múltiplas camadas. 
o x D) Redes neurais convolucionais (CNN).