Redes Neurais Artificiais

1. O cérebro é o elemento corporal capaz de desempenhar funções complexas como reconhecimento de padrões, controle motor, percepção, inferência, intuição, adivinhações, etc. Para realizar essas funções são utilizados os neurônios, as unidades básicas de processamento do cérebro.

2. REDES NEURAIS ARTIFICIAIS

2.1. As Redes Neurais Artificiais (RNAs), também chamadas na linguagem científica de modelos matemáticos de redes neurais naturais, constituem-se de algoritmos de processamento numérico e computacional que apresentam capacidade de tratamento de grande número de informações e adaptação a sistemas e processos complexos que incluem não linearidades e descontinuidades (BARP, 1999).

2.2. O Neurônio Artificial

2.2.1. O neurônio artificial possui várias entradas, que podem ser estímulos do sistema ou saídas de outros neurônios.

2.3. Redes Neurais Multicamadas

2.3.1. e redes em camadas (layers), tem-se uma camada de entrada com neurônios cujas saídas alimentam a última camada da rede.

3. O Sistema Nervoso

3.1. O sistema nervoso é responsável por dotar o organismo, através de entradas sensoriais, de informações sobre o estado dos ambientes externo e interno.

3.2. Neurônios e Sinapses

3.2.1. O neurônio é a estrutura especializada em processamento de sinais. Dependendo das condições de operação, os neurônios são capazes de gerar um sinal, mais especificamente um potencial elétrico, que é utilizado para transmitir informação a outras células.

4. O Algoritmo Backpropagation

4.1. O backpropagation é um algoritmo supervisionado, que utiliza par (entrada, saída desejada) para, através de um mecanismo de correção de erros, ajustar os pesos da rede. O algoritmo baseia-se na minimização da soma do erro quadrático utilizando o método do gradiente descendente.

5. O Aprendizado Da Rede Neural

5.1. redes neurais é aprender modelos do mundo real que sejam consistentes e adequados para a resolução de problemas.

6. Para responder às demandas do mundo real as RNAs lidam com informações prévias, ou estados conhecidos do mundo e também com medidas ou observações do mundo que são usadas como exemplos para o treinamento da rede, sendo essas informações e medidas conhecidas como padrões de treinamento da rede.