APERFEIÇOAMENTO/DESENVOLVIMENTO

DE RECURSOS HUMANOS

COM FOCO NO DESENVOLVIMENTO

DA AMAZÔNIA

Redes Neurais
Artificias
Profa. Fernanda Smith
fernandasmith@unifap.br
 Conteúdo
PARTE 1

01 O que são Redes Neurais Artificias?

02 Como as Redes Neurais aprendem?

03 Porquê Redes Neurais Artificiais?

04 Principais características das Redes Neurais

05 Aplicações de Redes Neurais Artificiais

O que são Redes Neurais Artificiais?
Seu cérebro controla tudo que você faz, e é muito mais
poderoso do que qualquer computador digital.

O cérebro é um computador (Sistema de Processamento de

Informação) altamente complexo, não-linear e paralelo.

Esse órgão complexo envia mensagens por meio de células

chamadas neurônios e nunca cessa de analisar dados,
mesmo quando você está dormindo.

Os neurônios são células capazes de gerar um sinal, mais

especificamente um potencial elétrico, que é utilizado para
transmitir informação a outras células.

O cérebro tem a capacidade de organizar seus constituintes

estruturais (neurônios), de forma a realizar certos
processamentos muito mais rapidamente que o mais rápido
computador digital hoje existente.
O que são Redes Neurais Artificiais?
O cérebro humano conta com 100 trilhões de sinapses (comunicações
entre os neurônios). Isso nos dá uma capacidade de processamento 16,3
mil giga-hertz e uma memória de 1 milhão de gigabytes.

As sinapses são unidades estruturais e funcionais elementares que

medeiam as interações entre os neurônio.

Um neurônio em desenvolvimento é um cérebro “plástico”: a

plasticidade permite que o sistema nervoso em desenvolvimento se
adapte ao seu meio ambiente.

Devido a isso, somos capazes de ter emoções complexas, aprender

conceitos complicados e ainda interpretar o mundo em segundos.
O que são Redes Neurais Artificiais?

Uma rede neural é composta por uma série de neurônios

interconectados.

Embora cada neurônio faça um processamento bastante simples, a

associação os capacita a realizar problemas altamente complexos.

As redes neurais têm papel essencial, pois são padrões neurais

específicos que se ativam continuamente para aprender determinadas
tarefas.

A rede neural é que constitui o conhecimento!

Como aprendemos algo novo?
Onde reside as nossas lembranças?

Será que cada neurônio é responsável por armazenar uma lembrança

individual?

Nossa memória é distribuída através das conexões dos nosso processadores

biológicos e naturais.

Estímulos criam novas sinapses e reforçam as existentes!

APRENDIZADO

A medida que o cérebro aprende, conexões sinápticas são modificadas.

No filme, para garantir o apagamento
de uma memória, necessitaria de
uma técnica muito avançada para
mapear as sinapses que formam uma
determinada lembrança.
O que são Redes Neurais Artificiais?
Os cientistas tentam entender o cérebro para criar uma
versão digital dele.

Mas será possível que os computadores consigam

fazer as mesmas coisas que nossos cérebros fazem?

O avanço da Inteligência Artificial tem trazido várias e

novas tecnologias para a vida do homem, com
ferramentas que nos aproximam muito do futuro
imaginado em filmes de ficção científica.

As redes neurais artificiais (RNAs) são um exemplo

nesse sentido: a tecnologia está cada vez mais perto
de mimetizar o funcionamento do cérebro humano.
O que são Redes Neurais Artificiais?
É muito comum a associação do conceito de computação com
aquele predominante no caso dos computadores com arquitetura do
tipo Von Neumann: algoritmos são elaborados e em seguida
implementados na forma de programas de computador a serem
executados.

No entanto, a computação realizada pelo cérebro requer um outro

tipo de definição, que contemple processamento paralelo e
distribuído, além de aprendizado.

COMO FAZER?
Arquitetura de Von Neumann Em lugar de tentar programar um computador digital de modo a fazê-lo imitar um
comportamento inteligente procura-se construir um computador que tenha circuitos
modelando os circuitos cerebrais e espera-se ver um comportamento inteligente
emergindo, aprendendo novas tarefas, errando, fazendo generalizações e descobertas!
O que são Redes Neurais Artificiais?

Redes Neurais Artificiais(RNA) são sistemas de

computação inspirados nas redes neurais biológicas
que constituem o cérebro humano.

Pode-se dizer que redes neurais artificiais consistem

em um modo de abordar a solução de problemas de
inteligência artificial.
O que são Redes Neurais Artificiais?
Uma Rede Neural Artificial consiste em uma estrutura conexionista, na qual o
Camadas
processamento é distribuído por um grande número de pequenas unidades densamente
interligadas.

Uma rede neural é composta por um elevado número de elementos processadores, os

neurônios artificiais, amplamente interligados através de conexões com um
determinado valor que estabelece o grau de conectividade entre estes, denominado
pesos sinápticos.

Todo o processamento é realizado distributivamente entre os elementos processadores

da rede, onde cada qual o realiza isolada e paralelamente, enviando seu resultado para
outras unidades através das conexões entre eles.

Pesos
Sinápticos
A capacidade de resolver um determinado problema encontra-se na sua arquitetura, ou Neurônios
seja, no número e modo pelo qual os elementos processadores estão interconectados, Artificiais
nos pesos destas conexões e no número de camadas.
O que são Redes Neurais Artificiais?
Uma rede neural artificial é um processador maciçamente paralelamente distribuído
constituído de unidades de processamento simples, que têm a propensão natural de
armazenar conhecimento experimental e torná-lo disponível para o uso.

Ela se assemelha ao cérebro em dois aspectos:

O conhecimento é adquirido pela rede a partir de seu

ambiente através de um processo de aprendizagem;

Forças de conexão entre neurônios, conhecidas como pesos

sinápticos, são utilizadas para armazenar o conhecimento adquirido.

(HAYKIN, Simon – Redes Neurais: Princípios e Práticas - 2001)

Como as redes neurais aprendem?
Os mecanismos de aprendizado possibilitam a modificação do
padrão de interconexão.

O procedimento utilizado para realizar o aprendizado é chamado

algoritmo de aprendizado, cuja função é modificar os pesos
sinápticos da rede de uma forma ordenada para alcançar um
objetivo desejado.

Faz-se necessárias 3 fases para aplicar redes neurais artificiais à

resolução de um problema qualquer:
O treinamento que ensina a rede a resolver um conjunto de
padrões de saída associados a padrões de entrada;
O teste, em que são apresentados padrões de entrada à rede,
e as saídas obtidas são comparadas às saídas desejadas
A aplicação, em que a rede sintetizada é utilizada na resolução
do determinado tipo de problema
Porquê Redes Neurais Artificias?
As redes neurais artificiais nos ajudam a solucionar
problemas em diferentes áreas, possibilitando a tomada de
decisões mais inteligentes e instruindo os computadores a
realizarem tarefas.

Principais características das RNAs

Intenso paralelismo
Robustez
Aprendizado por meio de exemplos
Generalização
Principais características das RNAs
Intenso Paralelismo
Os sistemas reais são em sua grande maioria não lineares, sendo difíceis de serem
modelados e controlados devido a sua complexidade.

Desta forma, as RNA’s possuem a capacidade de sintetizar mapeamentos complexos e não

lineares a partir de treinamentos apropriados.

Também devido ao paralelismo, a falha de alguns neurônios não causam efeitos significantes
para a performance de todo o sistema, o que é chamado de tolerância a falhas.
Principais características das RNAs
Robustez
A rede neural é tolerante a falhas, visto que, mesmo perdendo algumas conexões sinápticas,
a mesma provavelmente continuará fornecendo resultados aceitáveis.

Aprendizado por meio de exemplos

A partir de um conjunto de exemplos, também chamado conjunto de treinamento, as redes

neurais artificiais são capazes de armazenar informação, de aprender.

Generalização
É a capacidade que as redes neurais possuem, quando bem treinadas, de fornecer respostas
satisfatórias mesmo para padrões de treinamento não incluídos durante o processo de
aprendizagem da rede.
 Aplicações de RNA

Mineração de Dados
Processamento de Sinais
Carros Autônomos
Auxílio ao Diagnóstico Médico

Finanças Agricultura
Jogos Diagnóstico por Imagem

Biologia Música Processamento de Imagens

Astronomia
Aplicações de RNA
Problemas Clássicos que as Redes Neurais Artificiais resolvem

Classificação de Padrões

Aproximação de Funções

Segmentação em Classes

Predição de Séries Temporais

Aplicações de RNA
Classificação de Padrões

Atribuir um padrão de entrada a uma das várias classes

pré-definidas
Entradas representadas por vetores de
características

Exemplos de aplicações:
Reconhecimento de caracteres
Reconhecimento de voz
Reconhecimento de faces
Aplicações de RNA
Aproximação de funções

Encontrar uma estimativa f´ de uma função desconhecida f

Conhece o conjunto de pares de entrada-saída

Exemplos de aplicações:
Problemas de modelagem científica e de engenharia
Aplicações de RNA
Segmentação em Classes

As redes tem a capacidade de separar uma montanha de dados em grupos diferentes

baseados em algum critério de semelhança entre eles, ou seja, explorar semelhanças entre
padrões e agrupar padrões parecidos.
Classes não são conhecidas de antemão

Com isso elas são capazes de encontrar padrões totalmente ocultos aos olhos humanos

Exemplos de aplicações:
Mineração de dados (Data mining)
Compressão de dados
Aplicações de RNA
Predição de Séries Temporais

Dado um conjunto de dados que ocorreram no passado, as redes neurais podem tentar
prever o futuro!

Dado um conjunto de exemplos

Prever a saída no instante de tempo

Exemplos de aplicações:
Previsão do tempo
Previsão de falências
Previsão de ações na bolsa
Previsão de desgaste de peças