Escolar Documentos
Profissional Documentos
Cultura Documentos
REDES NEURAIS
Edivaldo Teodoro
Resumo
Neste artigo procuramos descrever os principais tópicos referentes ‘as redes neurais’, desde seu
surgimento até propostas de implementações em inúmeras aplicações atuais. Iniciando com uma
introdução sobre o assunto, trazemos ao leitor noções introdutórias sobre como funcionam as redes
neurais artificiais, no que elas são e que não são similares ao sistema nervoso biológico, e como
pode ser simulada a plasticidade neuronal (base do aprendizado) em uma rede neural artificial. Para
tornar mais claras as interessantes aplicações desse novo paradigma, damos um exemplo de uma
rede neural artificial que é capaz de reconhecer automaticamente a voz, diferenciando as palavras
"branco" e "preto ".
REDES NEURAIS
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 57
ARTIGO
O Neurônio
A célula nervosa, ou simplesmente, neurônio, é o principal componente do sistema
nervoso. Considerada sua unidade anatomo-fisiológica, estima-se que no cérebro humano
existam, aproximadamente, 15 bilhões dessas células, responsáveis por todas as funções do
sistema.
Existem diversos tipos de neurônios com diferentes funções, dependendo da sua
localização e estrutura morfológica mas, em geral, estas se constituem dos mesmos
componentes básicos:
A Sinapse
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 58
ARTIGO
Organização Funcional
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 59
ARTIGO
A Plasticidade Neural
Desenho: http://www.epub.org.br/cm/n05/tecnologia/plasticidade.htm
A figura ilustra a expansão da representação cortical das pontas dos dedos no tecido
cerebral de um macaco. Conforme a gravura, as pontas dos dedos 2, 3 e 4, que antes da
estimulação diferencial apresentavam uma determinada área de representação, expandiram
sua área de córtex depois de 3 meses da estimulação (representada por círculos nas pontas
dos dedos).
Este fato é melhor compreendido através do conhecimento morfológico-estrutural
do neurônio, da natureza das suas conexões sinápticas e da organização das áreas
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 60
ARTIGO
As redes neurais surgiram por volta dos anos 50, quase ao mesmo tempo em que os
primeiros computadores que ocupavam prédios inteiros. A idéia era simular as atividades
neurais humana, definindo componentes lógicos similares aos neurônios naturais. O neuro
biologista McCulloch e o estatístico Pitts foram os primeiros a propôr o conceito de um
neurônio como sendo uma unidade de processamento que recebia vários estímulos como
entrada e gerava um sinal baseado no resulta do somatório destes estímulos.
O que torna as redes neurais atrativas é principalmente a característica peculiar de
serem estruturas capazes de aprender comportamentos baseados em um treinamento com
ou sem um “tutor”. Claro que o computador não vai freqüentar a escola, o que existe são
algoritmos de aprendizagem que modificam as conexões que interligam os neurônios. Estes
algoritmos podem ensinar a rede a responder a certos estímulos da mesma maneira. Por
exemplo, se a letra “a” (devidamente digitalizada) é mostrada à rede de vários tamanhos e
formas, ela poderá generalizar todas estas entradas e dar uma única resposta para o
conjunto de “a(s)” apresentado. As redes neurais artificiais representam um novo
paradigma metodológico no campo da Inteligência Artificial, ou seja, no desenvolvimento
de sistemas computacionais capazes de imitar tarefas intelectuais complexas, tais como a
resolução de problemas, o reconhecimento e classificação de padrões, os processos
indutivos e dedutivos, etc. Ao contrário dos sistemas heurísticos, assim chamados porque
procuram obter sistemas inteligentes baseados em lógica e em processamento simbólico
(por exemplo, os sistemas especialistas), as redes neurais artificiais se inspiram em um
modelo biológico para a inteligência, isto é, na maneira como o cérebro é organizado em
sua arquitetura elementar, e em como a mesma é capaz de executar tarefas computacionais.
Da mesma maneira que no cérebro, as redes neurais artificiais são organizadas na forma de
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 61
ARTIGO
um número de elementos individuais simples (os neurônios), que se interconectam uns aos
outros, formando redes capazes de armazenar e transmitir informação provinda do exterior.
Outra capacidade importante das redes neurais artificiais é a auto-organização, ou seja,
através de um processo de aprendizado, é possível alterar-se os padrões de interconexão
entre seus elementos. Por este motivo, as redes neurais artificiais são um tipo de sistema
conexionista, no qual as propriedades computacionais são resultado dos padrões de
interconexão da rede. Na indústria, as redes neurais estão sendo muito utilizadas em
aplicações para controle de processos industriais; elas se adequam ao uso das redes, pois
lidam com parâmetros que mudam com o passar do tempo. As características das redes vêm
bem a calhar, porque a cada nova configuração que o processo assume, o software adapta-
se respondendo aos novos estímulos, de maneira que pode controlar o processo e seus
novos parâmetros. Um modelo baseado em Redes Neurais é chamado um modelo empírico,
diferentemente de modelos construídos que se utilizam de princípios básicos (equações
químicas ou físicas). Por isso, as redes neurais necessitam de uma boa quantidade de dados
para resolver os problemas propostos.
Pode-se afirmar que as Redes Neurais são o que há de mais avançado em termos de
representação do conhecimento. Nos defrontamos, na realidade, com um sistema capaz de
agir de maneira próxima a forma como o humano adquire e representa seu conhecimento.
Baseado em estudos neurológicos, o desenvolvimento das Redes neuronais procurou
formalizar um padrão matemático para as reações elétricas dos neurônios humanos. Desta
forma, podemos estabelecer uma representação computacional para este procedimento.
A Rede terá tantos ‘nós’ quanto mais precisa for a resposta desejada a um estímulo
externo. Por restrições óbvias inerentes a todo conhecimento incipiente, as Redes Neurais
não estão capacitadas para lidar com uma diversidade de temas, como o faz o cérebro
humano. Atuando sobre um tema específico, a Rede assimila o conhecimento sobre este,
não através de regras (como um humano na escola) mas através da experimentação (como
um humano na prática). A rede deve ser treinada sobre o tema, ou seja, lhe serão fornecidos
dados de entrada e implementadas propagações de forma que a alteração dos pesos ao
longo da Rede forneça uma saída compatível com a resposta conhecida àquele estímulo
pré-determinado. Desta forma, balanceamos os pesos até obtermos um padrão de respostas
aos estímulos, compatível com o que se conhece. Na verdade, o processo de aprendizado é
bastante empírico.
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 62
ARTIGO
O neurônio artificial
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 63
ARTIGO
Auto-Organização
Depois de escolhida a rede neural e definida a sua arquitetura, segue uma fase
chamada de treinamento, ou seja, uma fase cuja tarefa é "treinar" a rede neural com uma
coleção de estímulos (sinais complexos, voz, imagens, etc.) que se deseja que a rede
reconheça quando em operação.
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 64
ARTIGO
Simulando a Plasticidade
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 65
ARTIGO
Esse aumento dos neurônios vencedores foi realizado mudando alguns parâmetros
da função de transferência do neurônio artificial, cuja analogia poderia ser feita com a
mudança do limiar de disparo dos neurônios biológicos. Alterados, os neurônios disparam
com menos energia acumulada, assimilando informações apresentadas nas entradas da rede
neural. Isso provoca um aumento razoável de neurônios, representando informações na
camada de saída. É claro que não significa que todos os neurônios serão vencedores, mas a
maior oferta de neurônios aptos a vencedor aumenta também a probabilidade da existência
de vencedores.
Um Exemplo de Aplicação
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 66
ARTIGO
1 2 3 4
o o o
Iteração n : 650 Iteração n : 1200 Iteração n : 1500 Iteração n o : 3000
vizinhança : 4 Vizinhança : 3 vizinhança : 2 vizinhança : 0
Neurônios
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 67
ARTIGO
Na tabela abaixo, podemos verificar que, para a palavra /branco/, os neurônios [0,1]
e [0,3] são os mais ativados, enquanto que para a palavra /preto/, de longe, o neurônio [2,1]
é o mais ativado. A diferença de ativação neuronal se deve ao fato de ter havido pequenas
mudanças de entonação na pronúncia.
/branco/ /preto/
0,0 10 % 3,0 15 %
0,1 35 % 2,1 40 %
0,3 40 % 4,3 25 %
Total 85 % Total 80 %
Pronunciando a palavra /branco/ com mais ênfase na 1a sílaba /bran/, o neurônio ativado é
o [0,0], e havendo maior ênfase na 2 a sílaba /co/, o neurônio ativado é o [0,1].
CONCLUSÃO
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 68
ARTIGO
através de experiência. Uma grande Rede Neural Artificial pode ter centenas ou milhares de
unidades de processamento, já o cérebro de um mamífero pode ter bilhões de neurônios. O
estudo das Redes Neurais é um dos ramos da Inteligência Artificial que mais se desenvolve,
atraindo pessoas de diversas áreas do conhecimento.
A neuro computação, técnica que emula sistemas nervosos biológicos em
programas ou circuitos de computador, foi concebida há mais de cinqüenta anos, mas só
recentemente experimentou ampla utilização prática, graças à intensa pesquisa teórica nesse
campo e ao enorme desenvolvimento na área dos microprocessadores.
A grande característica das redes neurais é sua capacidade de aprendizado, ou seja,
a possibilidade de estabelecer, de forma precisa, relações complexas entre diversas
variáveis numéricas, sem que seja imposto qualquer modelo pré concebido. É uma
abordagem revolucionária, que contrasta com a filosofia hoje consagrada para o tratamento
de dados, a computação programada, que requer algoritmos rigorosamente detalhados para
processá-los. Ela apresenta diversas vantagens em relação a outras técnicas de
modelamento e controle, como regressão estatística, sistemas especialistas e, talvez,
modelos matemáticos.
Os campos de aplicação para as redes neurais são vastos: análise e processamento
de sinais, controle de processos, classificação de dados, reconhecimento de padrões, análise
de imagens, diagnósticos médicos e outros. Na área industrial destacam-se as utilizadas na
prevenção de desvios de processo e em sistemas híbridos, associados a técnicas de lógica
difusa e sistemas especialistas, para a detecção de problemas de manutenção. Trata-se
normalmente de problemas com quantificação matemática difícil, ineficaz ou impossível.
Apesar de ser uma técnica que já encontrou inúmeras aplicações na vida real, ela
ainda apresenta alguns aspectos obscuros. A pesquisa sobre elas ainda continua em ritmo
febril, e é de se esperar num futuro próximo que seu uso se torne ainda mais fácil, mesmo
para usuários inexperientes.
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 69
ARTIGO
REFERÊNCIAS
Sites utilizados:
www.epub.org.br
www.geocities.com/capecanaveral/runway/4303/
www.ele.ita.br/cnrn
www.din.uem.br/ia/neurais/
www.dca.fee.unicamp.br/~vonzuben/courses/
galaxy.einet.net/.../engineering-and-technology/computer-technology/artificial-inteligence/
Edivaldo Teodoro
Faculdades Network
E-mail: ediweb@bol.com.br
© Network Technologies, Nova Odessa, v.1/2, n.1/2, p.57-70, 2002/2003 – ISSN: 1677-7778 (versão impressa). 70