APRESENTAÇÃO REDES NEURAIS ARTIFICIAIS mod

Prévia do material em texto

REDES NEURAIS ARTIFICIAIS
VALMIR ALVES BEZERRA
INÁCIO MACÊDO FILHO
JOAQUIM W. M. DA SILVA
Redes neurais artificiais são um conceito da computação que visa trabalhar no processamento de dados de maneira semelhante ao cérebro humano. O cérebro é tido como um processador altamente complexo e que realiza processamentos de maneira paralela. Para isso, ele organiza sua estrutura, ou seja, os neurônios, de forma que eles realizem o processamento necessário. Isso é feito numa velocidade extremamente alta e não existe qualquer computador no mundo capaz de realizar o que o cérebro humano faz.
O que são redes neurais artificiais?
No campo da inteligência artificial da informática:
 Redes Neurais Artificiais são sistemas não-lineares que imitam o mecanismo de processamento do cérebro humano.
Modelo Geral do Neurônio Artificial 
O modelo mais geral para um neurônio artificial é aquele presentado na figura abaixo, cujos atributos são melhor explicados adiante.
As redes neurais possuem nós ou unidades de processamento. Cada unidade possui links para outras unidades, nos quais recebem e enviam sinais. Cada unidade pode possuir memória local.
A ideia é realizar o processamento de informações tendo como princípio a organização de neurônios do cérebro. Como o cérebro humano é capaz de aprender e tomar decisões baseadas na aprendizagem, as redes neurais artificiais devem fazer o mesmo. Assim, uma rede neural pode ser interpretada como um esquema de processamento capaz de armazenar conhecimento baseado em aprendizagem (experiência) e disponibilizar este conhecimento para a aplicação em questão.
Existem, basicamente, 3 tipos de aprendizado nas redes neurais artificiais:
Supervisionado: neste tipo, a rede neural recebe um conjunto de entradas padronizados e seus correspondentes padrões de saída, onde ocorrem ajustes nos pesos sinápticos até que o erro entre os padrões de saída gerados pela rede tenham um valor desejado;
Não-supervisionado: neste tipo, a rede neural trabalha os dados de forma a determinar algumas propriedades dos conjunto de dados. A partir destas propriedades é que o aprendizado é constituído;
Híbrido: neste tipo ocorre uma "mistura" dos tipos supervisionado e não-supervisionado. Assim, uma camada pode trabalhar com um tipo enquanto outra camada trabalha com o outro tipo.
Funcionamento das redes neurais artificiais
As redes neurais artificiais são criadas a partir de algoritmos projetados para uma determinada finalidade. É impossível criar um algoritmo desse sem ter conhecimento de modelos matemáticos que simulem o processo de aprendizado do cérebro humano. 
Basicamente, uma rede neural se assemelha ao cérebro.
 o conhecimento é obtido através de etapas de aprendizagem e pesos sinápticos são usados para armazenar o conhecimento. Uma sinapse é o nome dado à conexão existente entre neurônios. Nas conexões são atribuídos valores, que são chamados de pesos sinápticos. Isso deixa claro que as redes neurais artificiais têm em sua constituição uma série de neurônios artificiais (ou virtuais) que serão conectados entre si, formando uma rede de elementos de processamento. 
Dada a habilidade em manipular dados imprecisos, as redes neurais são extremamente eficazes em tarefas onde especialistas não estão à disposição ou um conjunto de regras não pode ser facilmente formulado. A aplicação de tais redes em controle de processos revela também uma outra tendência. 
Apesar das semelhanças já existentes, muita pesquisa ainda deve ser feita para assemelhar ainda mais as redes neurais artificiais das redes neurais biológicas. 
As primeiras informações sobre neurocomputação surgiram em 1943, em artigos de um neurofisiologista chamado Warren McCulloch, do Instituto Tecnológico de Massachusetts, e do matemático Walter Pitts, da Universidade de Illinois, nos quais fizeram uma analogia entre células nervosas vivas e o processo eletrônico, em um trabalho publicado sobre "neurônios formais"; simulando o comportamento do neurônio natural, no qual o neurônio possuía apenas uma saída, que era uma função da soma de valor de suas diversas entradas. O trabalho consistia num modelo de resistores variáveis e amplificadores, representando conexões sinápticas de um neurônio biológico.
Aplicações para redes neurais
As redes neurais artificiais podem ser aplicadas para resolver uma grande quantidade de problemas. Um bom exemplo de aplicação são softwares de reconhecimento de voz, que precisam aprender a conhecer a voz de determinadas pessoas. Redes neurais também são usados em robôs que desarmam bombas. Se você já usou um scanner para retirar um texto de um jornal, por exemplo, saiba que o software de OCR, que é responsável por isso, precisa aprender a reconhecer caracteres da imagem. Logo, ele certamente possui algoritmos de rede neural. Existem até alguns softwares que aprendem a identificar SPAMs em e-mails e apagá-los (e conseguem uma margem aceitável de acertos). Mas no geral as redes neurais são usadas principalmente em aplicações mais complexas, como em usinas, mercado financeiro, etc.
 Apesar de ser constituído por material diferente(virtual), os neurônios artificiais tentam ser similares aos neurônios biológicos apresentando funções parecidas. 
Finalizando
É claro que as redes neurais artificiais abordam outros conceitos que não foram citados aqui, o assunto é complexo para ser detalhado. Tanto que Quando uma rede neural artificial é implementada, isso não significa que ela terá 100% de acerto nas situações em que trabalha. Este é um assunto há tempos sendo estudado, mas que ainda sofre pesquisas e certamente terá ainda muitas inovações. O sonho de se ter uma máquina tão poderosa quanto o cérebro humano é o que certamente idealizou este assunto, mas ainda há muito trabalho a ser feito. 
As redes neurais artificiais podem ser usadas em muitas aplicações críticas. E apesar de ser um assunto complexo, é como foi dito no início desta apresentação : é algo fascinante e este fascínio aumenta à medida que se tem mais conhecimento sobre o assunto.
Esperamos que tenham gostado.