Redes Neurais

Introdução

O sistema nervoso é formado por um conjunto muito complexo de células, os neurônios. Eles têm a função essencial na determinação do funcionamento e desempenho do corpo humano e do raciocínio. Os neurônios são compostos pelos dendritos, que são um conjunto de terminais de entrada, pelo corpo central, e pelos axônios que são longos terminais de saída.

O cérebro apresenta uma notável habilidade de aprender, sendo considerado o mais fascinante processador existente. O processo de aprendizagem está intimamente ligado às mudanças nas conexões entre diferentes neurônios chamadas de conexões sinápticas ou simplesmente sinapses. Foi pensando em como os neurônios trabalham que pesquisadores desenvolveram neurônios artificiais.

Resumo histórico

Um histórico resumido sobre Redes Neurais Artificiais (RNA’s) deve começar por três das mais importantes publicações iniciais, desenvolvidas por: McCulloch e Pitts (1943), Hebb (1949), e Rosemblatt (1958). Estas publicações introduziram a primeira amostra de redes neurais simulando “máquinas”, o modelo principal de rede de auto-organização, e o modelo Perceptron de aprendizado supervisionado, respectivamente.
Alguns históricos sobre a área costumam “pular” os anos 60 e 70 e apontar um reinicio da área com a publicação dos trabalhos de Hopfield (1982) relatando a utilização de redes simétricas para otimização e de Rumelhart, Hinton e Williams que introduziram o poderoso método Backpropagation.
Entretanto, para se ter um histórico completo, devem ser citados alguns pesquisadores que realizaram, nos anos 60 e 70, importantes trabalhos sobre modelos de redes neurais em visão, memória, controle e auto-organização como: Amari, Anderson, Cooper, Cowan, Fukushima, Grossberg, Kohonen, von der Malsburg, Werbos e Widrow.

Conceito básico
Redes Neurais Artificiais são processos computacionais que apresentam um arquétipo matemático infundido na estrutura neural de organismos inteligentes e que adquirem