Aula 01 - Paradigmas de Aprendizado de Redes Neurais Artificiais

04/09/2021 Exercícios - Redes Neurais - Paradigmas de Aprendizado de Redes Neurais Artificiais
Redes Neurais - Pós /

Redes Neurais - Paradigmas de Aprendi…
1 2 3 4 5 6 7 8
O que são Redes Neurais Artificiais (RNA)?
Em suma, uma RNA é um método computacional de aprendizagem baseado

no funcionamento do cérebro humano. Seu funcionamento pode ser entendido
a partir de uma breve analogia com os sentidos do corpo humano.
Quando estamos inseridos em um ambiente, nossos sentidos, como olfato, tato

ou visão, fornecem informações sobre as condições do meio em que estamos
inseridos. É a partir dessas informações que pautamos as nossas ações. Se
estamos em um ambiente muito quente, com alta incidência de raios solares,
nossos sentidos são capazes de interpretar essas informações e nos dar as
possíveis consequências de uma permanência prolongada em tal ambiente,
como uma insolação solar ou até mesmo lesões severas na pele. Essa capaci-
dade interpretativa é construída a partir de um processo de aprendizado, cons-
tituído basicamente por experiências adquiridas ao longo de nossas vidas e li-
ções que nos são transmitidas em um processo geracional.
Assim como no exemplo a pouco citado, uma rede neural artificial trabalha in-
serida em um meio, de onde se retiram informações iniciais (inputs) e suas
consequências (outputs), de acordo com o treinamento obtido através do pro-
cesso de aprendizagem da rede neural. Este processo pode ficar mais claro a
partir de uma representação gráfica:
Próxima
https://dex.descomplica.com.br/qualidade-total/redes-neurais-pos/redes-neurais-paradigmas-de-aprendizado-de-redes-neurais-artificiais/explicac… 1/6
Figura 1: Exemplo de uma rede neural artificial. As camadas em vermelho, amarelo e azul
descrevem, respectivamente, a camada de entrada (input layer), camada oculta (hidden
layer) e camada de saída (output layer).
Fonte: LEK, PARK (2008).
Na Figura 1, a camada de entrada recebe os estímulos do meio absorvendo os
dados iniciais, que, logo em seguida, são processados pelas camadas ocultas
conforme o processo de aprendizagem da máquina. Por fim, os resultados são
apresentados na camada final, ou camada de saída.

Arquiteturas de Rede

A forma como estruturamos a RNA é orientada pelo algoritmo de aprendizado

escolhido. Em geral, estes algoritmos são escolhidos de acordo com a comple-
xidade do problema a ser atacado. Suas estruturas básicas podem ser dividi-
das em três classes:
Redes Alimentadas Adiante com Camada Única
Quando organizado em camadas, os neurônios são distribuídos em nós de en-

trada e saída, em um sistema de distribuição de informações não-cíclico. Estes
nós formam as camadas de entrada e saída, como mostra a Figura 2.
Próxima
Figura 2: Exemplo de uma rede de camada única.

Fonte: HAYKIN S. (2001).
Redes Alimentadas Adiante com Múltiplas Camadas
Como no caso anterior, os dados nesse tipo de rede flui apenas em uma dire-
ção, no entanto, entre as camadas de interface existem N camadas, ditas ca-
madas ocultas, formadas por nós ocultos. Este tipo de arquitetura é extrema-
mente útil quando o número de nós na camada de entrada é particularmente
grande, dando mais profundidade à análise da RNA. Logo abaixo temos um
exemplo de rede com múltiplas camadas:
Próxima
Figura 3: Exemplo de uma rede com múltiplas camadas.

Redes Recorrentes
Ao contrário dos casos anteriores, uma rede recorrente possui um fluxo cíclico
de dados, com ao menos um dado de saída sendo reintroduzido na camada de
entrada após o término do processo de aprendizado. Este tipo de rede pode
ser construída com ou sem camadas ocultas, como mostra a Figura 4.
Figura 4: Exemplo de duas redes recorrentes, com camada única (esquerda) e camada
oculta (direita).
A realimentação da camada de entrada com dados da camada de saída afeta
profundamente a capacidade de aprendizagem da rede e seu desempenho,
alterando o comportamento linear da RNA.

Aprendizado Supervisionado

Próxima
O processo de aprendizagem de uma RNA pode ser definido como uma busca
por padrões em um conjunto de dados que permitam predições de comporta-
mento. De maneira simples, o processo de aprendizado pode ser dividido em
três tipos: supervisionados, não
O processo supervisionado ocorre quando ensinamos à rede como fazer predi-

ções mais assertivas a partir de resultados já assimilados e de veracidade com-
provada. Neste caso, adicionamos à rede um elemento dito professor, que pos-
sui experiência prévia sobre os resultados desejados. Deste modo, quando
comparamos a diferença entre os resultados obtidos com os resultados espera-
dos, adicionamos o elemento erro ao nosso aprendizado de máquina.

Aprendizado Não Supervisionado
São classificadas como redes não supervisionadas as redes que não possuem
nenhum direcionamento durante o processo de aprendizagem. Nesse caso, a
própria rede é responsável por agrupar os padrões de treinamento de acordo
com o número de entradas.

Aprendizado por Reforço
De modo semelhante ao primeiro caso, no aprendizado por reforço o conheci-

mento prévio de um resultado assertivo é substituído por um crivo, que avalia
os resultados obtidos por um determinado processo de aprendizado, refor-
çando suas diretrizes caso o resultado seja satisfatório.

Atividade Extra Próxima

Recomendo assistir esse vídeo, com legendas em português.
Mas o que *é* uma Rede Neural? | Deep learning
https://www.youtube.com/watch?v=aircAruvnKk (19:13)

Referência Bibliográfica

HAYKIN, S. "Neural Networks. A Comprehensive Foundation". 2 ed. New
Jersey: Prentice Hall, 2001.
LEK, S.; PARK, Y.P. “Artificial Neural Network”. Springer. 2008.
GOODFELLOW, I. “Deep Learning”. The Mit Press. 2016.
Estranhou essa explicação?
Próxima

Aula 01 - Paradigmas de Aprendizado de Redes Neurais Artificiais

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 01 - Paradigmas de Aprendizado de Redes Neurais Artificiais

Enviado por

Direitos autorais:

Formatos disponíveis

04/09/2021 Exercícios - Redes Neurais - Paradigmas de Aprendizado de Redes Neurais Artificiais

Redes Neurais - Pós /

O que são Redes Neurais Artificiais (RNA)?

Em suma, uma RNA é um método computacional de aprendizagem baseado

Quando estamos inseridos em um ambiente, nossos sentidos, como olfato, tato

A forma como estruturamos a RNA é orientada pelo algoritmo de aprendizado

Redes Alimentadas Adiante com Camada Única

Quando organizado em camadas, os neurônios são distribuídos em nós de en-

Figura 2: Exemplo de uma rede de camada única.

Redes Alimentadas Adiante com Múltiplas Camadas

Figura 3: Exemplo de uma rede com múltiplas camadas.

O processo supervisionado ocorre quando ensinamos à rede como fazer predi-

De modo semelhante ao primeiro caso, no aprendizado por reforço o conheci-

Mas o que é uma Rede Neural? | Deep learning

LEK, S.; PARK, Y.P. “Artificial Neural Network”. Springer. 2008.

GOODFELLOW, I. “Deep Learning”. The Mit Press. 2016.

Estranhou essa explicação?

Você também pode gostar