A rede neural se assemelha ao cérebro em dois aspectos:
A capacidade de adquirir conhecimento a partir de um processo de aprendizagem;
A capacidade de armazenar conhecimento adquirido através das conexões entre os neurônios, isto é, pesos sinápticos.
O sistema nervoso é formado por um conjunto de neurônios. Nos neurônios a comunicação é realizada através de impulsos, quando um impulso é recebido, o neurônio o processa, e passado um limite de ação, dispara um segundo impulso que produz uma substância neurotransmissora o qual flui do corpo celular para o axônio (que por sua vez pode ou não estar conectado a um dendrito de outra célula). O neurônio que transmite o pulso pode controlar a freqüência de pulsos aumentando ou diminuindo a polaridade na membrana pós sináptica. Eles tem um papel essencial na determinação do funcionamento, comportamento e do raciocínio do ser humano. Ao contrário das redes neurais artificiais, redes neurais naturais não transmitem sinais negativos, sua ativação é medida pela freqüência com que emite pulsos, freqüência esta de pulsos contínuos e positivos. As redes naturais não são uniformes como as redes artificiais, e apresentam uniformidade apenas em alguns pontos do organismo. Seus pulsos não são síncronos ou assíncronos, devido ao fato de não serem contínuos, o que a difere de redes artificiais.
Neurônio Natural |
Modelo de um neurônio Artificial |
Uma modelagem matemática para o funcionamento do neurônio artificial consiste em realizar duas operações matemáticas básicas: a função soma(somador); e função de transferência (função de ativação). A função soma processa os estímulos ponderados pelos respectivos pesos. A sua saída é a entrada da função de Ativação que, por sua vez, determina se a informação será levada a diante.
Cabe destacar que uma RNA é constituída por uma camada de entrada e de saída, e, geralmente, apresenta camadas intermediárias ou ocultas. A Figura 3 ilustra uma estrutura de uma modelagem de uma RNA.
Estrutura de uma RNA |
Aprendizagem supervisionada. É quando um agente externo informa à rede qual a resposta correta para um desejado padrão de entrada. Diante disto, os ajustes de pesos acontecem buscando atingir a saída desejada.
Aprendizagem não-supervisionada. É quando não existe um agente externo indicando a resposta desejada. Neste caso, a própria Rede Neural utiliza os neurônios como classificadores, e os dados de entrada para classificação. Assim, esse tipo de rede organiza e classifica os dados de acordo com algum critério.
Aprendizagem híbrida, que mescla os conceitos da duas anteriores. Parte dos pesos é determinada por meio da aprendizagem supervisionada, enquanto outros são obtidos por meio da aprendizagem não-supervisionada.
Leia mais em: O que é uma Rede Neural Artificial? de Rodrigo Regis
Nenhum comentário:
Postar um comentário