Redes_neurais1

Prévia do material em texto

Redes Neurais
Sumário
Introdução
Histórico das redes neurais artificiais
Características do Neurônio Biológico
Neurônio Booleano de McCulloch-pitts
Conceitos e Elementos de Redes Neurais.
	 Introdução
As Redes neurais são “ a bola da vez ” nas pesquisas de inteligência Artificial, retendo a atenção de pesquisadores no mundo todo, na busca por melhores e mais eficientes sistemas computacionais.
	 Introdução
Os resultados já começaram a surgir, a cada dia, mais soluções inovadores que se utilizam dessa tecnologia chegam até nós, usuários finais.
	 Introdução
O software Watson da IBM, é uma ferramenta tecnológica de inteligência artificial que usa amplamente redes neurais/deep learning nas áreas de estatística, contabilidade, juridico, robotica, IOT, etc.
 Histórico das Redes Neurais Artificiais 
Segundo Priddy e Keller(2005), não há como estudar as redes neurais sem, antes, conhecer os elementos que as compõem que são os neurônios.
 Histórico das Redes Neurais Artificiais 
Os neurônios, de acordo com Lopez-Munõz, Boya e Alemoa(2006), são células especializadas que compõem a porção ativa de nossos cérebros e de nossos sistemas nervosos.
 Histórico das Redes Neurais Artificiais 
Os neurônios são estudados pela biomedicina já há muito tempo, mas apenas a partir do inicio do século XX passaram a ser funcionalmente compreendidos , uma vez que apenas com a chegada a ser funcionalmente compreendidos uma vez que apenas com a chegada das tecnologias daquela época que foi possível isola-los e estuda-los detalhadamente.
 Histórico das Redes Neurais Artificiais 
O estudo dos neurônios rendeu o prêmio Nobel de Medicina de 1906 para o pesquisador espanhol Santiago Ramon y Cajal e para fisiologista italiano Camilo Golgi.
 Histórico das Redes Neurais Artificiais 
O estudo de Ramon y Cajal e Golgi foram fundamentais para compreendermos o funcionamento do cérebro.
 Histórico das Redes Neurais Artificiais 
Em 1943, segundo Anthony(2001), o neurofiosiologista Warren McCulloch e o matemático Watter Pitts se basearam nos estudos de Ramón y Cajal e Golgo e propuseram um modelo matemático para o campo dos circuitos elétricos .
 Histórico das Redes Neurais Artificiais 
Os pesquisadores McCulloch e Pitts criaram o conceito de lógica limiar(em inglês, threshold logic), por meio do qual um determinado sinal elétrico recebido é retransmitido apenas se ultrapassa um limite arbitrário.
 Histórico das Redes Neurais Artificiais 
Por meio desse conceito, McCulloch e Pitts implementaram um circuito elétrico simples, que demonstrava o conceito matemático que haviam criado.
 Histórico das Redes Neurais Artificiais 
Em 1949, como é informado por Priddy e Keller(2005), o psicologo e pesquisador canadense Donald Hebb demonstrou que os neurônios reforçam as conexões com outros neurônios que geralmente provem sinais elétricos o aparelho cerebral considera importantes(por meio de reções quimicas)
 Histórico das Redes Neurais Artificiais 
Com base no trabalho de Hebb, os pesquisadores americanos Belmont Farley e Wesley Clark criaram a primeira rede neural em um computador digital, em 1954.
 Histórico das Redes Neurais Artificiais 
Em 1986, o primeiro modelo de redes neurais de multiplas camadas foi postulado e implementado em software, o que permitiu o avanço na pesquisas e nos resultados práticos obtidos pelas redes neurais.
 Histórico das Redes Neurais Artificiais 
Em 1987, o IEEE(Institute of Electrical and Electronics Engineers) promoveu a primeira conferência Internacional de Redes Neurais, com a participação de 1.800 pesquisadores do mundo inteiro, desde então, muitos tem sido os avanços no campo de estudos das redes neurais artificiais.
 Características do Neurônio Biológico 
 Como as redes neurais são baseados nos neurônios biológicos, é importante conhecermos esses elementos celulares tão importantes ao ser humano, antes de conhecermos seus pares cibernéticos.
 Características do Neurônio Biológico 
 Standring(2014) afirma que o sistema nervoso do ser humano é o produto mais complexo da evolução, e o elemento mais importante desse sistema é o neurônio. 
 Características do Neurônio Biológico 
 Contamos, cada um de nós, com aproximadamente 100 bilhões de neurônios e nosso sistema nervoso, esses neurônios, em suas ações individualmente simples, formam todos os nossos pensamentos e possibilitam todas as nossas ações. 
 Características do Neurônio Biológico 
 A figura abaixo mostra a anotomia de um neuronio 
 Características do Neurônio Biológico 
Os elementos componentes do neurônio são:
Corpo celular ou Soma – Onde se encontram o núcleo(que contém os cromossomos) e as organelas celulares; 
 Características do Neurônio Biológico 
Os elementos componentes do neurônio são:
Dendritos – Extensões ramificadas do corpo celular que se conectam aos terminais sinápticos de outros neurônios criando as sinapses; 
 Características do Neurônio Biológico 
Os elementos componentes do neurônio são:
Axônio – Extensão que parte do corpo celular e leva os sinais elétricos até os terminais sinápticos(ou visículas sinápticas); 
 Características do Neurônio Biológico 
Os elementos componentes do neurônio são:
Terminais Sinápticos ou Visiculas Sinápticas – Terminações que se conectam aos dendritos ou á soma de outros neuronios, formando as sinapses; 
 Características do Neurônio Biológico
Segundo Standring(2004), os sinais elétricos são recebidos pelos dendritos e transmitidos pelo axônio até os terminais sinápticos de onde são passados para outros neurônios ou para outras terminações nervosas responsáveis pelas ações musculares, por exemplo. 
 Neurônio Booleano de McCulloch-pitts
Russel e Norving(2013) apresentam o Neurônio Booleano de McCulloch-Pitts como um elemento computacional capaz de receber varias entradas booleanas (“0” ou “1”, apenas).
 Neurônio Booleano de McCulloch-pitts
Atribuir pesos a cada uma delas , processa-las de acordo com esses pesos, comparar o resultado com um limiar pré –estabelecido e gerar um valor boleano de saída, com base nesta comparação:
Se for maior que o limiar, passa o sinal “1”; 
Se não for maior que o limiar passa o sinal “0”;
 Neurônio Booleano de McCulloch-pitts
O valor a ser comparado com a limiar é obtido pela soma dos produtos dos sinais de entrada pelo seu respectivo peso. Em termos matemáticos, esse valor é obtido pela função de transferência:
 Neurônio Booleano de McCulloch-pitts
A saída é dada por uma função f(valor), que será “0”, se for menor ou igual ao limiar, ou “1”, se for superior ao limiar. Matematicamente, temos:
 Neurônio Booleano de McCulloch-pitts e 
 Eletrônica Básica
Como podemos demonstrar a funcionalidade de uma rede neural através da eletrônica básica. Para essa demonstração, será usado a porta OR 
 Neurônio Booleano de McCulloch-pitts e 
 Eletrônica Básica
Para criar uma porta “OR” usando Redes neurais, você deve pegar duas entradas que sejam uma combinação de “0” e “1” e produzir as
saídas correspondentes da porta “OR”. 
 Neurônio Booleano de McCulloch-pitts e 
 Eletrônica Básica
Para criar uma porta “OR” usando Redes neurais, você deve pegar duas entradas que sejam uma combinação de “0” e “1” e produzir as
saídas correspondentes da porta “OR”. 
 Conceitos e Elementos de Redes Neurais
Uma rede neural genética pode ser representada como tendo uma camada de entrada, uma ou mais camadas internas(ou escondidas) e uma camada de saída. 
 Conceitos e Elementos de Redes Neurais
A figura abaixo representa uma rede neural com sete nós de entrada, duas camadas internas e três nós de saída. 
 Conceitos e Elementos de Redes Neurais
Os elementos que compõe as redes neurais segunda a figura abaixo:
Nós de Entrada – Geralmente diferem dos nós escondidos edos nós de saída por exibirem alguns algumas capacidades de transformar sinais não digitais e entradas digitais. Sensores, por exemplo, são elementos que podem receber sinais luminosos e transforma-los em sinais digitais 
 Conceitos e Elementos de Redes Neurais
Os elementos que compõe as redes neurais segunda a figura abaixo:
Nós escondidos – São responsáveis pelo processamento interno da rede. Quando mais nós escondidos e camadas, maior será a capacidade de processamento necessária para treinar a rede, porém, maior será a chance de obter resultados precisos após este treinamento 
 Conceitos e Elementos de Redes Neurais
Os elementos que compõe as redes neurais segunda a figura abaixo:
Nós de saída – São a ultima camada de processamento devolvendo combinações de sinais booleanos (“0” ou “1”) que correspondem a resposta do sistema ao problema proposto. 
 Conceitos e Elementos de Redes Neurais
Os elementos que compõe as redes neurais segunda a figura abaixo:
Conexões de entrada/saída – conexões entre os nós de uma camada com os nós da camada subsequente. 
 Conceitos e Elementos de Redes Neurais
Os elementos que compõe as redes neurais segunda a figura abaixo:
Pesos – Fatores de multiplicação para cada um dos sinais de entrada em um nó. 
 Conceitos e Elementos de Redes Neurais
Os elementos que compõe as redes neurais segunda a figura abaixo:
Função de processamento(ou ativação) – Forma de combinar os vários binômios [ sinal de entrada, peso] dentro do nó. Gera um valor que deve ser comparado com o limiar para gerar o sinal de saída. 
 Conceitos e Elementos de Redes Neurais
Os elementos que compõe as redes neurais segunda a figura abaixo:
Limiar – Valor arbitrário estabelecido para cada nó com o qual o resultado da função de processamento será comparado. Se o valor for maior que o limiar, um sinal de saída será gerado (valor do sinal de saída: “1”). Do contrário (isto é, caso o sinal seja menor ou igual ao limiar), nenhum sinal de saída será gerado (valor do sinal de saída: “0”)
 Conceitos e Elementos de Redes Neurais
As redes neurais tem duas fases :
1 –Fase de aprendizado: É utilizado alguns dos vários mecanismos de reconfiguração de pesos e limiares para reforçar os estados que geram respostas corretas, ao mesmo tempo inibindo os estados que geram respostas erradas
 Conceitos e Elementos de Redes Neurais
As redes neurais tem duas fases :
2 –Fase de utilização: Nesta etapa o processo de aprendizado é interrompido e a rede é posta para “trabalhar”, resolvendo os problemas para qual foi projetada. Nessa fase, os algoritmos de recalibragem de pesos e limiares é interrompido e os valores atingidos permanecem por todo o período de utilização.