INSTITUTO SUPERIOR POLITÉCNICO KALANDULA DE ANGOLA

DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIAS

COORDENAÇÃO DO CURSO DE ENGENHARIA INFORMÁTICA

REDES NEURAIS
 SISTEMAS INTELIGENTES
REDES NEURAIS
Breve Introdução
• O cérebro humano é considerado o mais fascinante processador baseado
em carbono existente, sendo composto por aproximadamente 10 bilhões
de neurônios, os neurônios estão conectados uns aos outros através de
sinapses, e juntos formam uma grande rede, chamada Rede Neural, esta
grande rede proporciona uma fabulosa capacidade de processamento e
armazenamento de informação.
SISTEMAS INTELIGENTES
 SISTEMAS INTELIGENTES

• Em 1956 no "Darthmouth College" nasceram os dois paradigmas da

Inteligência Artificial, a Simbólica e o Conexionista
• A Inteligência Artificial Simbólica tenta simular o comportamento
inteligente humano desconsiderando os mecanismos responsáveis por tal.
• Já a Inteligência Artificial Conexionista acredita que construindo um
sistema que simule a estrutura do cérebro, este sistema apresentará
inteligência, ou seja, será capaz de aprender, assimilar, errar e aprender
com seus erros.
 SISTEMAS INTELIGENTES

O primeiro neuro computador a obter sucesso (Mark I

Perceptron) surgiu em 1957 e 1958, criado por Frank Rosenblatt,
Charles Wightman e outros. Devido a profundidade de seus
estudos, suas contribuições técnicas e de sua maneira moderna
de pensar, muitos o vêm como o fundador da neuro computação.
SISTEMAS INTELIGENTES
 SISTEMAS INTELIGENTES
• Dentritos são responsáveis em receber as informações de entrada.
• Axônios responsável por transmitir informações depois de
processados para as terminações sinápticas.
• Terminações Sináptcas repassa a informação para outros neurónios
quer dizer que haverá um sinal de saída que será transmitidos para
outros neurónio.
Em geral vamos ter várias entradas e várias saída, em alguns casos
uma saída, varia de problema por problema.
As redes neurais podem ajudar uma ampla gama de problemas,
desde a segurança em voos até o controle de doenças infeciosas etc.
 SISTEMAS INTELIGENTES

REDES NEURAIS ARTIFICIAIS

As redes neurais artificiais que são utilizadas em engenharia
foram inspiradas nas redes neuronais biológicas.
• Redes Neurais Artificiais é toda estrutura de processamento
paralelo que procura simular o funcionamento do cérebro
humano. Uma rede neural artificial, normalmente envolve um
grande número de processadores que operam em paralelo,
(estruturas baseadas no conexionismo) cada qual com sua
própria esfera de conhecimento e acesso a dados na memória
local.
 SISTEMAS INTELIGENTES

Redes Neurais Artificiais

• Programas de computador podem emular a maneira como o
cérebro resolve problemas (uma grande rede altamente
interconectada de neurônios artificial trabalhando em paralelo).
• Redes Neurais Artificiais é toda estrutura de processamento
paralelo que utiliza o conexionismo como paradigma.
Talvez a característica mais importante das Redes Neurais
Artificiais seja a sua capacidade de aprendizado.
 SISTEMAS INTELIGENTES

A abordagem conexionista considera ser virtualmente impossível

transformar em algoritmos e reduzir a uma sequência de
passos lógicos e aritméticos diversas tarefas que a mente
humana executa com facilidade e rapidez, como por exemplo:
• Reconhecer rostos,
• Compreender e traduzir línguas,
• Evocação de memória pela associação.
O processo computacional deve reproduzir a capacidade do
cérebro de se auto-organizar, aprender!
 SISTEMAS INTELIGENTES

• As redes neurais artificiais consistem em um método de

solucionar problemas de inteligência artificial, construindo um
sistema que tenha circuitos que simulem o cérebro humano,
inclusive seu comportamento, ou seja, aprendendo, errando e
fazendo descobertas
• Assim como o sistema nervoso é composto por bilhões de
células nervosas, a rede neural artificial também é formada por
pequenas unidades de módulos que simulam o funcionamento
de um neurônio.
 SISTEMAS INTELIGENTES

Neurocomputação

• Os modelos neurais, procuram aproximar o processamento dos

computadores ao cérebro.
• As redes neurais possuem um grau de interconexão similar a
estrutura dos cérebro
SISTEMAS INTELIGENTES
 SISTEMAS INTELIGENTES

• X1, X2 …Xn sinais de entrada( informação).

• W1, W2 …Wn pesos sinápticos. Os sinais de entrada têm um
peso e são ponderados para entrar na rede. Quer dizer o
produto do sinal de entrada depois de ponderado é dado como
entrada no neurónio.
• Função agregadora  recebe todos os sinais e vai realizar a
soma dos produtos dos sinais.
• Limiar de activação  (teta), menos teta (-), é uma constante
que vai decidir se o sinal vai passar ou não. O somatório do
produto de X1, X2, W1, W2, menos teta (-).
SISTEMAS INTELIGENTES
 SISTEMAS INTELIGENTES

• Na saída da agregadora teremos o sinal Potencial de activação( u).

• Depois o sinal é direcionado para a Função de activação g(.),
função de activação recebe o resultado do somatório da função de
agregação e vai permitir passar o sinal ou não, também pode
modificar o valor de entrada ou não e o sinal de saída será
diferente de (u).
• Sinal de saída (y)
• O sinal de saída y é o resultado da entrada do potencial de
activação u para a minha função de activação g.
SISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES
 SISTEMAS INTELIGENTES

• Temos como entrada o valor de u, este vai ter como saída o

resultado de g de acordo com as expressões ou seja se o valor
de u for maior ou igual() a 0 terá o sinal de saída 1. Se u for
menor que 0 terá o sinal 0.
• A ideia é, se o valor de u for 1, deixa o sinal passar se não, não
deixa passar, 0 significa a inexistência do sinal Isto simula o
funcionamento do neurónio biológico, nós temos dentritos que
recebem os sinais e neurónios vai ver se este sinal vai passar
ou não.
SISTEMAS INTELIGENTES
 SISTEMAS INTELIGENTES

Se U for maior que 0 então na saída teremos o sinal 1.

Se U for igual que 0, então na saída teremos o sinal 0.
Se a função de activação u for menor que 0, então na saída
teremos o sinal -1.
SISTEMAS INTELIGENTES
Função de ativação (Percetron)
 SISTEMAS INTELIGENTES
Função de ativação (Percetron)

FORMULA

U = X1W1 + X2W2 + …… + XnWn -

U=  (XiWn) –b
Y= g(u)
 SISTEMAS INTELIGENTES
Função de ativação (Percetron)

Regras.
y = 0, se S < 0
y = 1, se S >= 0
Seja um percetron de duas entradas X1 =1, X2 =0; X1 =0, X2 =0
W1 = W2 =1.
U= 1(1) + 0(1) -1= 0 Na saída temos uma porta OR
y= 1 X1 X2 S y
U= 0(1) + 0(1) -1= -1 0 0 -1 0
y= 0 1 0 0 1
0 1 0 1
1 1 1 1
 SISTEMAS INTELIGENTES

A função básica de um neurônio é somar as entradas e retornar

uma saída, caso esse valor seja maior que o valor de soma.
No modelo geral de neurônio, os sinais de entradas X e pesos
sinápticos W são combinadas usando uma função g, para
produzir um estado de ativação do neurônio.
As entradas chegam através dos dentritos e tem um peso
atribuído pela sinapse.