UNIVERSIDADE FEDERAL DO PIAUÍ - UFPI

CENTRO DE CIÊNCIAS DA NATUREZA - CCN

DEPARTAMENTO DE COMPUTAÇÃO - DC
BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO
DISCIPLINA: TÓP. EM SISTEMAS COMPUTACIONAIS
PROFESSOR: RICARDO DE ANDRADE
ALUNOS:

Resolução da Lista 01

1) Dendritos: são finos prolongamentos do neurônio que captam os estímulos

provenientes de diversos outros neurônios;
Corpo celular: é o componente do neurônio responsável por processar as
informações (estímulos) advindas dos dendritos a fim de produzir um potencial de
ativação que vai indicar se o neurônio poderá disparar um impulso elétrico ao longo
de seu axônio.
Axônio: é um prolongamento único de uma célula nervosa, por onde se
transmite o influxo nervoso.
2) Sinais de entrada: análogos aos impulsos elétricos captados pelos dendritos
representam os sinais assumidos pelas variações de uma aplicação;
Pesos sinápticos: são os responsáveis pela ponderação das variáveis de
entrada, de forma a quantificar a relevância das variáveis em relação à funcionalidade
do neurônio;
Combinador Linear: é a função matemática responsável por realizar a soma
ponderada dos valores de entrada;
Limiar de ativação: é o parâmetro responsável por “decidir” se um valor de
disparo vai ser produzido em direção à saída do neurônio;
Função de ativação: é responsável por limitar a saída do neurônio dentro de
um intervalo de valores factíveis;
Sinal de saída: é o valor final produzido pelo neurônio em relação a um
determinado conjunto de sinais de entrada.

3) 4 - 1 - 2 - 3 -5

13) O principal objetivo das funções de ativação neural é processar o sinal gerado pela
combinação linear das entradas e dos pesos das sinapses, para gerar o sinal de saída do
neurônio conforme um intervalo de valores.

14) Os dendritos correspondem ao receptor das entradas de valores relacionandos ao

neurônio artificial, que dependendo da intensidade do estímulo elétrico (a multiplicação pelo
peso no neurônio artificial) é processado pelo núcleo do neurônio biológico (que corresponde
ao somatório no neurônio artificial). Dependendo do grau de excitabilidade recebido pelo
núcleo neuronal (resultado do valor da função de ativação do neurônio artificial) o impulso
elétrico é propagado pelo axônio até as ramificações terminais do axônio (onde analogamente
ao neurônio artificial é a saída do processamento realizado pela função de ativação).
15) O limiar de ativação tem sua importância considerada, pois o mesmo influencia
diretamente no resultado da função de ativação. E com isso há algumas funções de ativações
que são usadas para valores mais discretos que outras, assim, mostrando mais detalhes que
outras para que essas funções possam ser moldadas de acordo com o problema proposto.

16) Função de ativação Logística e sua primeira derivada

f(x) = eβx = 1 => f ' (x) = p f(x).(1- f(x))

βx
1 +e 1 +eβx

Função de ativação tangente hiperbólica e sua primeira derivada

f(x) = eβx – e-βx , f ' (x) = p(1- f(x)2)

eβx + e-βx

Função de ativação gaussiana e sua primeira derivada

Função de ativação linear e sua primeira derivada

f(x) = p.x , f ' (x) = p

17) As funções totalmente diferenciáveis são mais complexas para implementação em FPGA.
Porém, trazem alta precisão nos resultados da RNA tornando o seu emprego necessário. Para
isso, utilizam-se algumas técnicas para resolver esse problema, as três principais são: a
utilização de polinômios de diferentes ordens, o mapeamento por LUT e a divisão em partes
lineares (PWL – PieceWise Linear).

A função de ativação tangente hiperbólica é a mais utilizada em Redes Neurais

Perceptron com múltiplas camadas (PMC). Principalmente quando a aplicação necessita de
uma precisão mais refinada do sistema.

Entretanto, após simulações, percebeu-se que a função logística tem comportamento

similar ao da tangente hiperbólica em hardwares.

18) Pelo fato das sinapses em paralelo no cérebro humano serem muito maior que as
operações realizadas em paralelo em um micro computador.

19) Caso o valor do limiar de ativação seja elevado em consideração ao valor dos pesos
sinápticos, que serão multiplicados pelo valor da entrada, influenciará diretamente, e
significativamente, no resultado final no resultado na função de ativação.