Redes Neurais Apresenta Ao

Aplicação de redes neurais á recuperação da informação. Leolíbia Luana Linden e
Suéllem Chrystina Leal da Silva.

Programa de Pós-Graduação em Ciência da Informação | PGCIN | UFSC

Sumário
1. Redes Neurais
1.1 Introdução
1.2 Contextualização histórica
1.3 Características
1.4 Aprendizado supervisionado
1.5 Aprendizado não supervisionado

2. Redes Neurais na Recuperação de Informação
Referências

1. Redes Neurais
1.1 Introdução

O que sabemos sobre as redes neurais? https://www.youtube.com/watch?v=L8iyE5sud_Q 1. Redes Neurais
1.1 Introdução
O cérebro é composto de bilhões de neurônios.
Um neurônio é uma célula formada por três seções com funções específicas e complementares: corpo, dendritos e axônio.
• Dendritos - captam os estímulos recebidos em um determinado período de tempo e os transmitem ao corpo do neurônio.
• Corpo - onde são processados os estímulos. Quando tais estímulos atingirem determinado limite, o corpo da célula envia novo impulso que se propaga pelo axônio.
• Axônio - transmite às células vizinhas por meio de sinapses.
Este processo pode se repetir em várias camadas de neurônios.
Como resultado, a informação de entrada é processada, podendo levar o cérebro a comandar reações físicas.
(FERNEDA, 2006)

1. Redes Neurais
1.1 Introdução

Figura 1 - Representação de um neurônio.
(Fonte: FERNEDA, 2006, p.25)

1. Redes Neurais
1.2 Contextualização histórica
A busca por um modelo computacional que simule o funcionamento das células do cérebro data dos anos 40, com o trabalho de McCulloch e Pitts (1943).
O entusiasmo pela pesquisa neste campo cresceu durante os anos 50 e 60. Nesse período, Rosenblatt (1958) propôs um método inovador de aprendizagem para as redes neurais artificiais denominado percepton (classificador linear).
Até 1969, muitos trabalhos foram realizados utilizando o percepton como modelo.
No final dos anos 60, Minsky e Pappert (1969) publicam um livro no qual apresentam importantes limitações do perceptron. As dificuldades metodológicas