Redes neurais e artificiais

Disponível somente no TrabalhosFeitos
  • Páginas : 6 (1393 palavras )
  • Download(s) : 0
  • Publicado : 25 de novembro de 2012
Ler documento completo
Amostra do texto
UNIESP – União das Instituições Educacionais do Estado
Curso Bacharelado em Ciências da Computação

REDES NEURAIS E ARTIFICIAIS

Naty Gomes




São Paulo
Novembro/2012
CONCEITO

As redes neurais, ou redes artificiais de neurônios, foram desenvolvidas a partir de uma tentativa de criar em computador, a partir de estudos neurobiológicos, um modelo computacional que simule aestrutura e funcionamento do cérebro humano, buscando a chamada Inteligência Natural [OSO 91].
Uma rede neural artificial é uma implementação de um algoritmo construído, tomando como base, de maneira muito tênue, o funcionamento do cérebro humano. As redes neurais caracterizam-se por possuírem:
- Grande número de elementos de processamento bem simples, inspirados no funcionamento de um neurônio.
-Grande número de conexões entre estes elementos de processamento. Cada conexão tem peso associado, este peso representa quão forte é a interação ou acoplamento entre elementos de processamento e se a sua natureza é excitatória ou inibitória.
Um modelo neural consiste em uma rede de células, relativamente autônomas, dotadas de capacidade de processamento. As células são ligadas por conexões, cadauma com um peso associado, que corresponde à influência da célula no processamento do sinal de saída. Pesos positivos correspondem a fatores de reforço do sinal de entrada e pesos negativos correspondem a fatores de inibição. Os modelos, geralmente, apresentam um conjunto de células de entrada, por onde são passadas as informações para a rede, um conjunto de células de saída, que apresentam ossinais de saída da rede e um conjunto de células intermediárias [MEN 96].
As redes neurais possuem várias características vantajosas que estimulam as pesquisas na área [DAH 98]:
- Controle altamente paralelo e distribuído.
- Capacidade de aprendizado através da observação de um conjunto de exemplos sendo estes com ou sem informação de respostas desejadas a cada estímulo.
- Robustez, isto é, umaqueda de desempenho gradual na eventualidade de mal funcionamento ou até mesmo inutilização de parte da rede.
- Manutenção do desempenho na presença de ruído e capacidade de lidar com dados incompletos.
Por outro lado, ainda não foi explicado, em termos conceitualmente mais altos, como a rede neural aprende o conhecimento. Esta falta de embasamento teórico das redes neurais ainda é uma sériadesvantagem pois gera desconfiança por parte dos especialistas quanto a sua confiabilidade. Outra desvantagem das redes neurais, que pode ser citada, é o tempo requerido na fase de aprendizado da rede. Em algumas aplicações críticas a fase de treinamento pode durar horas e até dias para ser realizada.

APLICAÇÕES DAS REDES NEURAIS

De acordo com Turbam, McLean e Wetherbe (2004), além de seu papelde mecanismo computacional alternativo, a computação neural também pode ser combinada com outros sistemas de informação baseados em computador para produzir sistemas híbridos poderosos.
Em geral, as RNAs não apresentam um bom desempenho em tarefas que não são bem executadas por pessoas. Por exemplo, cálculos matemáticos e processamento de transações que exijam rapidez não são adequados para asRNAs e são mais bem executadas pelos computadores convencionais. Entre as áreas de aplicação das RNAs podemos citar:
- Data Mining: Localizar dados em bancos de dados complexos e em sites da Web;
Profundão – IX Encontro de Engenharia de Produção da UFRJ.

- Fraudes tributárias: identificar, localizar e assinalar irregularidades;
- Serviços financeiros: identificar padrões de dados sobre omercado de ações e auxiliar em estratégias de negociação de ações e títulos; escolha e comercialização de commodities, subscrição de hipoteca, precificação de ofertas iniciais ao publico e previsão de taxas de câmbio;
- Avaliação de pedidos de financiamento: avaliar a seriedade dos pedidos de financiamento, com base em padrões de informações anteriores (nível de critério do cliente);
-...
tracking img