8

SUMRIO

21. INTRODUO

22. ABORDAGEM INICIAL

22.1 Sistema Nervoso

22.1.2 Componentes e um Neurnio

22.2 O Que so Redes Neurais?

22.2.1 Breve Histrico das Redes Neurais

23. CARACTERSTICAS GERAIS DAS REDES NEURAIS

23.1 Tipos de Camadas das Redes Neurais

23.2 Tipos de Redes Neurais

23.3 Aprendizado de uma Rede Neural Artificial

23.4 Perceptron Multicamadas (MLP)

23.5 Desenvolvimento de Aplicaes de Redes Neurais

24 CONCLUSO

2REFERNCIAS BLIBLIOGRFICAS

1. INTRODUO

O mais fascinante processador conhecido o crebro humano, composto de aproximadamente 100 bilhes de neurnios. Onde todas as funes e movimentos do homem esto relacionados a ele. Neste contexto entra o Termo Redes Neurais onde o trabalha o processamento dos dados de maneira semelhante ao crebro humano. O Termo Rede Neural Artificial abrange trs aspectos: neurnio, arquitetura e aprendizagem. 2. ABORDAGEM INICIAL2.1 Sistema NervosoO Sistema Nervoso composto por bilhes de neurnios, que se comportam de maneira altamente complexa. A comunicao entre eles realizada atravs de impulsos quando um impulso recebido, o neurnio o processa, e passado um limite de ao (conhecimento), dispara um segundo impulso que produz uma substncia neurotransmissora que em conseqncia disto flui do corpo celular para a regio do axnio, uma vez que ele pode ou no estar conectado ao dentrito (parte do neurnio) de outro neurnio.

O neurnio transmissor do pulso poder controlar a sua freqncia aumentando ou diminuindo, seu papel essencial na determinao do funcionamento, comportamento e raciocnio do ser humano.2.1.2 Componentes e um NeurnioA estrutura bsica de um neurnio composta por:

Os dentritos: receber os estmulos transmitidos pelos outros neurnios

O corpo de neurnio: responsvel por coletar e combinar informaes vindas de outros neurnios

Axnio: responsvel por transmitir os estmulos para outras clulas.

A figura abaixo exibe a estrutura bsica de um neurnio.

Figura 1 - Constituio de uma clula neural.2.2 O Que so Redes Neurais?

Redes Neurais so conjuntos de neurnios, arquitetura e aprendizado. Tem como idia principal processar as informaes de uma determinada aplicao da mesma forma e organizao dos neurnios cerebrais.

Segundo Kohonen (1972), as Redes Neurais Artificiais so definidas como redes massivamente paralelas e interconectadas, de elementos simples, com organizao hierrquica. Estes elementos devem interagir com objetivos do mundo real da mesma maneira que o sistema nervoso biolgico.

Para Loesch (1996), Redes Neurais Artificiais so sistemas computacionais, de implementao em hardware e software, que imitam as habilidades computacionais do sistema nervoso biolgico, utilizando, para isso, um grande nmero de simples neurnios artificiais interconectados.2.2.1 Breve Histrico das Redes NeuraisAs implementaes de Redes Neurais, deram seus primeiros passos no final da dcada de 40 atravs do desenvolvimento de circuitos analgicos. Neste perodo surgem nomes como Warren McCulloch e Walter Pitts., precursores desta tecnologia, conforme texto retirado do site abaixo exposto.As redes neurais foram desenvolvidas, originalmente, na dcada de 40, pelo neurofisiologista Warren McCulloch, do MIT, e pelo matemtico Walter Pitts, da Universidade de Illinois, os quais, dentro do esprito ciberntico, fizeram uma analogia entre clulas nervosas vivas e o processo eletrnico num trabalho publicado sobre "neurnios formais". O trabalho consistia num modelo de resistores variveis e amplificadores representando conexes sinpticas de um neurnio biolgico.

Desde ento, mais enfaticamente a partir da dcada 80, diversos modelos de redes neurais artificiais tm surgido com o propsito de aperfeioar e aplicar esta tecnologia. Algumas destas propostas tendem a aperfeioar mecanismos internos da rede neural para aplicao na indstria e negcios, outras procuram aproxim-las ainda mais dos modelos biolgicos originais. Retirado de: http://www.cerebromente.org.br/n05/tecnologia/rna.htm em 19/03/2007Na dcada de 1980 houve um interesse maior sobre as redes neurais com a elaborao de vrios trabalhos. Tais como o de Hopfield com a elaborao de um algoritmo de aprendizagem.3. CARACTERSTICAS GERAIS DAS REDES NEURAIS

Uma Rede Neural Artificial composta por vrias unidades de processamento cujo funcionamento bastante simples. Essas unidades, geralmente so conectadas por canais de comunicao que esto associados e determinado peso. As unidades fazem operaes apenas sobre seus dados locais, que so entradas recebidas pelas suas conexes. O comportamento inteligente de uma Rede Neural Artificial vem das interaes entre as unidades de processamento da rede (GURNEY, 1997). A operao de uma unidade de processamento, proposta por McCullock e Pitts em 1943, pode ser especificada do seguinte modo: Sinais so apresentados entrada

Cada sinal multiplicado por um nmero, ou peso, que indica a sua influncia na sada da unidade

feita a soma ponderada dos sinais que produz um nvel de atividade

Se este nvel de atividade exceder um certo limite (threshold) a unidade produz uma determinada resposta de sada.

Figura 2 - Esquema de unidade McCullock Pitts(neurnio artificial).Suponha que tenhamos p sinais de entrada X1, X2, ..., Xp e pesos w1, w2, ..., wp e limitador t com sinais assumindo valores booleanos (0 ou 1) e pesos valores reais.

Neste modelo, o nvel de atividade a dado por:a = w1X1 + w2X2 + ... + wpXp

A sada y dada po

y = 1, se a >= t ou y = 0, se a < t.3.1 Tipos de Camadas das Redes Neurais

As arquiteturas das Redes Neurais so organizadas em camadas conforme figura abaixo.

Figura 3 - Organizao das camadas.A classificao das diferentes camadas das Redes Neurais se d de trs formas conforme descrio abaixo. Camada de Entrada: onde os padres so apresentados rede.

Camadas Intermedirias: onde feita a maior parte do processamento.

Camada de Sada: onde o resultado final concludo e apresentado.3.2 Tipos de Redes Neurais

Diferenciamos Redes Neurais pela maneira de como se d direo dos sinais, com base nisso temos ento dois tipos de Redes Neurais Artificiais. Feedforward: neste tipo de Rede Neural, os sinais so propagados em apenas uma direo, levando em conta a unidade de entrada, passando pela camada intermediria at a sada.

Feedback: neste caso os sinais de entrada podem se propagar da sada de qualquer neurnio para a entrada em um outro neurnio.Os modelos se apresentam da forma de um conjunto de neurnios de entrada, que por sua vez fornecem informaes para a rede. E um conjunto de neurnios de sada, que representam os sinais de sada e pro final um conjunto de neurnios intermedirios. Os neurnios so de certa forma conectados ou ligados cada um com um peso, representado pela letra W. Os pesos ditos positivos correspondem ao sinal de entrada, e negativos correspondem a fatores de inibio. Cada neurnio tem como propriedade processar um sinal de entrada e transform-lo em sinal de sada.3.3 Aprendizado de uma Rede Neural Artificial

Uma Rede Neural tem a habilidade de aprender em seu ambiente e com esse aprendizado melhorar de forma significativa seu desempenho. Isso feito atravs de um processo iterativo de ajustes aplicado a seus pesos, o treinamento. O aprendizado ocorre quando a rede neural atinge uma soluo generalizada para uma classe de problemas. Denomina-se algoritmo de aprendizado a um conjunto de regras bem definidas para a soluo de um problema de aprendizado. Existem diversificados tipos de algoritmos de aprendizado especficos para os diferentes tipos de Redes Neurais, e pode-se notar a diferena entre um e outro pela forma como os pesos so modificados. importante tambm ser mencionado maneira como uma Rede Neural se relaciona com o ambiente, nestes termos existe os seguintes paradigmas de aprendizado que sero expostos a seguir. Aprendizado Supervisionado: usa-se um agente externo que por sua vez indica rede a resposta desejada para o padro de entrada.

Auto-Organizao: tambm conhecido como aprendizado no supervisionado, quando no existe um agente externo indicando resposta a rede.

Reforo: quando um agente externo avalia a resposta fornecida pela rede.3.4 Perceptron Multicamadas (MLP)

O Perceptron Multi Camadas uma extenso do Perceptron de camada nica. Esta arquitetura apresenta uma camada com unidades de entrada, conectada a uma ou mais unidades intermedirias, chamadas camadas ocultas, e uma camada de unidades de sada. Conforme figura abaixo melhor especificando.

Figura 4 - Camadas de uma Rede Neural.Nas redes multicamadas, cada uma de suas camadas tem uma funo. A de sada recebe estmulos da camada intermediria e constri o padro que ser a resposta. As camadas intermedirias so as que extraem caractersticas, seus pesos so a codificao de caractersticas apresentadas nos padres de entrada, que possibilitam a criao de sua prpria representao mais complexa e detalhada.3.5 Desenvolvimento de Aplicaes de Redes Neurais

Primeiramente feita a coleta de dados relativos ao problema e sua separao em um conjunto de treinamento e um conjunto de testes. Normalmente, os dados coletados so separados em duas categorias: dados de treinamento, que sero utilizados para o treinamento da rede e dados de teste, que sero utilizados para verificar sua performance sob condies reais de utilizao. Alm dessa diviso, pode-se usar tambm uma subdiviso do conjunto de treinamento, criando um conjunto de validao, utilizado para verificar a eficincia da rede quanto a sua capacidade de generalizao durante o treinamento, e podendo ser empregado como critrio de parada do treinamento.

Depois de determinados estes conjuntos, eles so geralmente colocados em ordem aleatria para preveno de tendncias associadas ordem de apresentao dos dados. Alm disso, pode ser necessrio pr-processar estes dados, atravs de normalizaes, escalonamentos e converses de formato para torn-los mais apropriados sua utilizao na rede.

4 CONCLUSOA inteligncia artificial algo em plena expanso com mercado de trabalho promissor, pois est apenas engatinhando em termos de tecnologias e softwares disponveis no mercado.

REFERNCIAS BLIBLIOGRFICAS

Sites consultados:http://www.icmc.sc.usp.br/~andre/research/neural/MLP.htm http://www.infowester.com/redesneurais.php

http://www.inf.ufrgs.br/procpar/disc/cmp135/trabs/992/Recon/trab2.html http://www.din.uem.br/ia/neurais/

http://www.icmc.usp.br/~andre/research/neural/

http://www.lncc.br/~labinfo/tutorialRN/frm4_perceptronMultiCamadas.htm

http://www.inf.ufrgs.br/procpar/disc/cmp135/trabs/mccera/t1/padroes.pdf

MEDEIROS, Luciano Frontino de. Redes Neurais em Delphi. Florianpolis: Editora Visual Books, 2003.