Redes neurais artificias

Disponível somente no TrabalhosFeitos
  • Páginas : 11 (2583 palavras )
  • Download(s) : 0
  • Publicado : 15 de novembro de 2012
Ler documento completo
Amostra do texto
REDES NEURAIS BIOLÓGICAS

O QUE ELAS FAZEM? • Memorizam relações entrada / saída • Analisa os dados (sinais) • Extrai características de padrões • Classifica padrões • Armazena padrões • Recorda (recall) • Associa e compara com outros padrões armazenados anteriormente • Faz correlação entre padrões • Extrapola

QUESTÕES FUNDAMENTAIS

• Como é esta arquitetura? • Como o cérebro processainformações? • Qual o tipo de algoritmos e aritmética que ele é baseado? • Como ele pode criar? • O que é o “Pensamento” ? • O que é o “Prazer” ? • O que é o “Sentimento” ?

NEURÔNIO BIOLÓGICO

Dendritos Soma Axônio

Núcleo Membrana

Representação de um Neurônio

Neurotransmissor

Vesícula Membrana

Sinapse em ação

A REDE NEURAL
Os Dados de uma Rede Humana (tecido cortical; osnúmeros são aproximados)

No de Neurônios No de Sinapse/Neurônio No Total de Sinapse Operações/seg./Neurônio Total de operações/seg Densidade Neuronal/mm Volume do cérebro humano(cm Peso do cérebro humano(Kg): Comprimento de um dendrito(cm ): Duração do potencial de ação (mseg): Comprimento de um axônio(cm): Velocidade do potencial de um axônio(cm/seg.): 3000 Potencial através da membrana(mV): -65 a-85 Espessura da membrana(Angstroms): 5 - 50 Resistência do citoplasma do Neurônio(K ): 1 - 10
3 3 ):

100 bi. 1.000 100.000 bi. 100 10.000 tri.

40.000 300 1,5 1 3 10

REDES NEURAIS ARTIFICIAIS

Def: São sistemas formados por um grande número de processadores simples, baseados no modelo simplificado do neurônio, e altamente conectados. Apesar das simplificações, as redes neuraisartificiais apresentam algumas similaridades com o cérebro biológico: • Memória Associativa: o cérebro não possui endereço pontual de memória; a informação é distribuída; um fato lembra outro. • Aprendizado: a rede aprende pela experiência; aprendizado indutivo ou estatístico. • Generalização: a rede generaliza a partir de exemplos anteriores. • Robustez: a perda de um elemento processador nãocompromete o funcionamento normal da rede. Embora o neurônio biológico seja bastante lento quando comparado com o processador digital ( 2ms versus 1ns ), certas tarefas são mais rapidamente realizadas pelo cérebro biológico do que pelo o mais rápido dos computadores.

MODELO DO NEURÔNIO

onde a ativação do neurônio tem a seguinte condição:
n

wx
ii i =1

=T

e a saída é:

Y = f(
ou,

nwi xi - T )
n

i =1

Y = f(
onde:

wi xi )
i= 0

n = n o de entradas sinápticas por neurônio xi = entrada do neurônio i wi = peso sináptico correspondente à entrada x T = limiar do neurônio f = função de ativação não-linear de um neurônio Y = sinal de saída do neurônio

i

FUNÇÕES DE ATIVAÇÕES TÍPICAS

Sinal

TOPOLOGIAS DE REDE

MODELANDO REDES NEURAIS ARTIFICIAIS
• Quetamanho a Rede Neural Artificial precisa ter para executar uma tarefa (isto é, complexidade)? • Quantos bits de informação pode ser armazenado em uma Rede Neural Artificial (isto é, capacidade)? • Qual a implementação da Rede Neural Artificial é melhor que a outra (isto é, a escolha de um paradigma e desempenho)? • Qual a velocidade de aprendizagem da Rede Neural Artificial (isto é, aprendizadoeficiente)? • O quanto uma Rede Neural Artificial associa (isto é, a resposta)? • O quanto é confiável uma Rede Neural Artificial? • Quão robusta é uma Rede Neural Artificial? • Quão exata pode uma Rede Neural Artificial associar padrões ruidosos (isto é, sensibilidade ao ruído)?

APRENDIZADO (LEARNING)

A principal tarefa de uma rede neural é aprender um modelo para o mundo (ambiente), no qualela está inserida e manter o modelo suficientemente consistente com o mundo real de modo a alcançar as metas especificadas pela aplicação de interesse. Def: Aprendizado é um processo pelo qual os parâmetros livre da rede neural são adaptados através de um processo contínuo de estímulos do meio ambiente no qual a rede esta inserida.

Paradigmas do Aprendizado (

Treinamento )

O tipo do...
tracking img