Artificial Neural Networks

Prévia do material em texto

Artificial Neural Networks - A Review of Applications of Neural Networks in the Modeling of HIV Epidemic
A ideia por traz de redes neurais artificiais (RNAs), vem do sistema biológico, onde se modela o neurônio por meio de nós conectados, em que cada nó soma um sinal (dado de entrada) e o propaga para os demais (se houver, então distribuídos em camadas). As redes neurais têm sido aplicadas com sucesso em uma ampla gama de campos, pois consegue representar problemas do mundo real em que a relação dos dados não são linearmente separáveis. Os diversos métodos que implementam redes neurais são divididos em quatro tipos principais, diferenciando de acordo com a direção das conexões que pode ser linear partindo da entrada até a saída (feed-foward) ou propagar os dados voltando da saída até a entrada (redes recorrentes) utilizando o algoritmo "backpropagation" para treinamento da rede; o número de camadas, podendo ter camadas escondidas entre a entrada e saída; até o uso de "ensemble" de redes neurais que são avaliados por um modelo intermediário que utiliza métricas para pesar cada modelo individual e retornar a saída predita (em forma de função de transferência que pode ser linear, hipebólica ou sigmóide). Neste artigo é apresentada uma revisão da aplicação de redes neurais ao estudo do HIV, os artigos mostram o uso de RNAs para apoio a predição de tratamentos efetivos, por verificar a resistência aos medicamentos e tipo de terapia; na predição de locais na proteína do HIV que são quebrados para achar possíveis inibidores; para predizer a mortalidade de pacientes com HIV levando em consideração pacientes com resposta à terapia ou imunidade ao vírus; para prever outros tipos de ocorrências como fibrose em pacientes infectados pelo vírus. Muitos artigos comparam o uso de redes neurais com outros algoritmos tradicionais de aprendizagem como SVM, Random Forest, mostrando que RNAs são bastante confiáveis para predição de problemas do mundo real, se sobressaindo sobre os demais métodos. Outros artigos utilizaram RNAs para classificação de pessoas infectadas ou não com vírus HIV, consideram algumas características e treinando a rede de múltiplas camadas com diferentes algoritmos, mostrando que ainda assim o "backpropagation" aparesenta melhor desempenho na classificação quanto aos demais; outros utilizaram para prever os sintomas da doença para tomada de decisões a respeito do controle e gerenciamento hospitalar; ainda utilizaram além de redes neurais, SVM e árvores de decisão para classificar a atividade biológica de compostos orgânicos anti-HIV para descoberta de novos medicamentos. De forma geral a pesquisa sobre o HIV abrangendo as diversas áreas biológicas que utilizam RNAs em conjunto ou em comparação com outros métodos de reconhecimento de padrões e descoberta de conhecimento demonstraram que a técnica é bastante efetiva.