Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Introdução
O interesse pelo estudo e desenvolvimento da Inteligência Artificial tem crescido
bastante nos últimos anos. Assim, novos métodos de resolução de problemas visando
dar alguma forma de inteligência às máquinas têm surgido com grande freqüência.
Dentro deste contexto, as Redes Neurais Artificiais são um método de resolução de
problemas que pertence à vertente conexionista da IA, e se baseia no funcionamento do
cérebro humano para simular a inteligência do homem na máquina.
Este artigo busca cobrir os principais temas envolvidos no desenvolvimento de
redes neurais atualmente. Assim, são citadas as características das Redes Neurais que
impulsionam seus estudos e possibilitam a resolução de uma grande gama de problemas
com eficiência.
O artigo está dividido nas seguintes seções: a seção 2 contém os conceitos
iniciais e principais características que envolvem as redes neurais; a seção 3 fala de uma
importante etapa do projeto de redes neurais que é o treinamento e aprendizado da rede;
a seção 4 busca esmiuçar as características importantes das principais redes neurais
estudadas e desenvolvidas atualmente e está divida em subseções sobre o perceptron de
única camada, de múltiplas camadas, as redes de Kohonen e as redes de Hopfield; a
seção 5 faz uma comparação do método de redes neurais com outros métodos da IA; por
fim, a seção 6 apresenta uma conclusão sobre os temas estudados.
Dw(n) - valor de ajuste a ser acrescido ao peso wij; h - taxa de aprendizado; e(n)
- valor do erro; xj(n) - valor do estímulo. O valor atualizado do peso será:
Portanto, podemos utilizar a Regra Delta para corrigir os valores dos pesos,
minimizando a função de erro , também conhecida como "função de custo":
6. Conclusão
As redes neurais são um poderoso método de reconhecimento de padrões diversos e
também para implementar controladores. As redes neurais são utilizadas nas áreas de
computação, robótica, engenharia elétrica e biologia, dentre outros. O backpropagation
impulsionou as pesquisas na área devido à superação dos problemas que as redes
Perceptron sofriam. Com o aumento na gama de classes que podem ser resolvidas, as
pesquisas e o uso aumentaram, e atualmente a técnica já está amadurecida e robusta. É
um dos melhores métodos para dotar a máquina de inteligência, desde que o
treinamento e a escolha dos pesos iniciais sejam bem feitos. Além disso, alguns dos
problemas das redes neurais já estão sendo pesquisados, tais como o não conhecimento
da forma como se chegou a resposta e o problema dos mínimos locais. Assim, apesar de
já ser realidade, a tendência é que as redes neurais sejam cada vez mais utilizadas,
principalmente onde esta tem seu melhor desempenho, que é no reconhecimento de
padrões. Nesse caso, um uso promissor é junto com técnicas de visão computacional
para identificação biométrica.
References
De Castro, F. C. C. and De Castro, M. C. F. “Redes Neurais Artificiai”,
http://www.ee.pucrs.br/~decastro/RNA_hp/pdf/.
Vieira, R. C. and Roisenberg, M. “Redes Neurais Artificiais: Um breve tutorial.”
Fernandes, Anita Maria da Rocha. “Inteligência Artificial: Noções gerais” -3 imp.
Florianópolis: Visual Books, 2008.
Oiveira, Cristiano. Redes Neurais, 2000.
http://www.lem.ep.usp.br/Pef411/~Cristiano%20Oliveira/CristianoOliveira/Paginas/
RedesNeurais.htm acessado em 27/11 as 20:30 h
Bioinfo. LNCC- Laboratório Nacional de Computação Cientìfica.
http://www.lncc.br/~labinfo/tutorialRN/ acessado em 27/11/2009 as 21:00 h
De Holanda, M. M. and de Paula, M. M., (2003). “Reconhecimento de padrões
utilizando redes neuronais de Hopfield.”, Centro Universitário da Cidade, Rio de
Janeiro – RJ.
Holton, M. and Alexander, S. (1995) “Soft Cellular Modeling: A Technique for the
Simulation of Non-rigid Materials”, Computer Graphics: Developments in Virtual
Environments, R. A. Earnshaw and J. A. Vince, England, Academic Press Ltd., p.
449-460.
Kohonen, T. (2008). “Self Organizing Maps”. Editora Springer.Dyer
Lawrence, Jeannette. “Introduction to neural networks and expert systems”. Califórnia:
California Scientific Software, 1992.
Santos , R. T. and Nievola, J. C. and Freitas, A. A. and Lopes, H. S. “Extração de
Regras de Redes Neurais via Algoritmos Genéticos”, Proceedings of the IV Brazilian
Conference on Neural Networks - IV Congresso Brasileiro de Redes Neurais
Zuchini, M. H. “Aplicações de mapas auto-organizáveis em mineração de dados e
recuperação de informação”, Departamento de Engenharia de Computação e
Automação Industrial (DCA), Faculdade de Engenharia Elétrica e de Computação
(FEEC), Universidade Estadual de Campinas (Unicamp), SP, Brasil.