Você está na página 1de 10

Redes Neurais

Introdução

  • - 1º trabalho na área de RNA por

McCulloch (neuroanatomista) e Pitts (matemático) 1943.

  • - Motivação: Crença que as capacidades humanas (visão, compreensão, fala e audição e controle de diferentes órgãos ao mesmo tempo) feitas em tempo real, bem como decisões inteligentes vêm dos princípios organizacionais exibidos na rede neural altamente complexa do cérebro humano.

  • - Características RNA principais (atrativas): aprender com exemplos e generalizar informações aprendidas (com um nº reduzido de exemplos a rede é capaz de responder

razoavelmente à dados similares e não idênticos). - Para solução de problemas, a RNA passa por uma fase de aprendizagem, onde um conjunto de exemplos é apresentado para a rede, a qual extrai automaticamente as características necessárias para representar a informação fornecida. Estas são utilizadas posteriormente para gerar respostas para um problema.

Redes Biológicas

  • - O cérebro humano é composto por neurônios, ligados com receptores (dendritos) e executores sensoriais (axônio).

  • - Um neurônio é uma célula especial que conduz um sinal elétrico e existem cerca de 100 bilhões de células de vários tipos.

  • - Os neurônios interagem através de contatos chamados sinapses

  • - O cérebro organiza esta imensa quantidade de neurônios cada um com um fraco poder computacional, em uma complexa rede, maciçamente paralela, na qual os neurônios interagem uns com os outros dinamicamente, produzindo um poderoso processador de informações.

Neurônio Biológico

- Um neurônio é dividido em três seções:

oos dendritos: Têm por função receber informações ou impulsos nervosos, oriundos de axônios de outros neurônios e conduzi-los até o corpo celular. oo corpo da célula ou soma: No corpo celular os sinais recebidos são somados e de acordo com um limiar, estabelece se o neurônio deve ser ativado ou não. O limiar é um valor ou taxa de valores que determinam a ativação do neurônio. Se o somatório ultrapassar este valor o neurônio dispara.

o

e o axônio: Os impulsos ou disparos são transmitidos a outros neurônios, passando através do axônio até os dendritos dos neurônios seguintes.

o e o axônio: Os impulsos ou disparos são transmitidos a outros neurônios, passando através do
  • - Fisicamente não há contato entre os neurônios, porém entre a terminação axônica de um neurônio e o dendrito de outro, há um espaço chamado de espaço sinaptico.

  • - A transmissão do impulso se dá através de uma reação química, gerada de acordo com o potencial elétrico do

impulso que o neurônio transmite. Assim, uma substância Neurotransmissora é liberada, difundindo-se no espaço sinaptico, e sua difusão causa uma mudança de potencial elétrico na membrana pós- sinaptica (neurônio receptor).

  • - Através das sinapses os neurônios se unem funcionalmente, formando redes neurais. As sinapses funcionam como válvulas, sendo capazes de controlar a transmissão de impulsos entre os neurônios.

  • - A transmissão só ocorre quando a ativação do neurônio for alta, caso contário o impulso elétrico não é forte o suficiente para provocar liberação dos neurotransmissores.

  • - Uma sinapse pode ser excitatória ou enibitória, de acordo com o efeito causado. Uma sinapse excitatória

contribui para a ativação do neurônio pós-sinaptico, já a inibitória, reduz a capacidade de ativação do neurônio.

Neurônio Artificial de McCulloch- Pitts.

  • - A descrição matemática do MCP resultou em um modelo com n terminais de entrada x 1 , x 2 ,

. . .

,x n

(que representam os dendritos), e apenas um terminal de saída y (que representa o axônio).

  • - Para emular o comportamento das sinapses, os terminais de entrada do neurônio têm pesos acoplados w 1 , w 2 ,

. . .

,w n , cujo valores podem ser

positivos ou negativos, dependendo

das sinapses correspondentes serem inibitórias ou excitatórias.

  • - O efeito de uma sinapse particular i no neurônio pós-sináptico é dado por: x i w e os pesos determinam “em que grau” o neurônio deve considerar sinais de disparo que ocorrem naquela conexão.

X 1 W 1 X W 2 2 Y . . . Xn Wn
X
1
W 1
X
W 2
2
Y
.
.
.
Xn
Wn
  • - Um neurônio dispara quando a soma dos impulsos que ele recebe ultrapassa o seu limiar de excitação chamado de threshold.

  • - O corpo do neurônio, por sua vez, é emulado por um mecanismo simples que faz a soma dos valores x i w i recebidos pelo neurônio (soma ponderada). E decide se o neurônio

deve ou não disparar (saída igual a 1 ou a 0) comparando a soma obtida ao limiar ou threshold do neurônio

- No

modelo

MCP,

a

ativação

do

neurônio é obtida através da aplicação de uma “função de ativação”, que

ativa a saída ou não, dependendo do

valor

da

soma

ponderada das suas

entradas. Na descrição original do modelo MCP, a função de ativação é dada pela função limiar descrita na a seguir. O nodo MCP terá então sua saída ativa quando:

n i = 1

x w

i

i

onde n é o número de entradas do neurônio, w i é o peso associado à entrada x i , e é o limiar (threshold) do neurônio.

- Da mesma forma que um neurônio biológico, um modelo artificial

também realiza computações relativamente simples. Porém quando vários neurônios são ligados e estruturados em uma rede, seu poder computacional aumenta.