Redes Neurais

INTRODUÇÃO

As redes neurais têm sido utilizadas para solucionar diversos problemas de engenharia como, por exemplo, em processamento digital de imagens, robótica e processamento digital de sinais.

Redes neurais artificiais são técnicas computacionais que utilizam como modelo o funcionamento do cérebro humano, onde os neurônios são treinados de forma a responder somente aos padrões de entrada, podendo ser utilizadas no reconhecimento de padrões sem a necessidade de um treinamento prévio.

As principais características que tornam desejáveis o estudo e o uso das redes neurais artificiais são: a capacidade das mesmas de aprender através da experiência, a capacidade de se adaptar a situações adversas e a sua tolerância a ruídos.

•

CONCEITOS BÁSICOS

O cérebro apresenta uma notável habilidade de aprender, sendo considerado o mais fascinante processador existente. O processo de aprendizagem está intimamente ligado às mudanças nas conexões entre diferentes neurônios chamadas de conexões sinápticas ou simplesmente sinapses.

Um neurônio biológico, ilustrado na figura 1, é composto de: dendritos, que recebem os estímulos transmitidos pelos outros neurônios; corpo de neurônio, ou soma, que recebe e organiza as informações vindas de outros neurônios; e os axônios, responsáveis por transmitir os estímulos para as outras células.

Figura1: Estrutura biológica do neurônio

Tais mudanças ocorrem ao longo da vida provocadas por estímulos de diversas naturezas. Não se sabe ao certo quantos neurônios existem no cérebro. Algumas estimativas que se baseiam na densidade de neurônios medida em pequenas regiões apontam limites inferiores da ordem de 3x1010 mas este número pode até chegar a 1011 .

Cada um destes neurônios se conecta com aproximadamente 104 neurônios. Isso implica que no cérebro existe algo em torno de 1013 a 1015 conexões sinápticas. Esses números são extraordinariamente grandes e de certa forma evidenciam a ocorrência do aprendizado, pois de outra forma todas essas informações deveriam estar armazenadas na molécula de DNA.

Junte se a isso uma grande massa de evidências experimentais confirmando o fato que as conexões sinápticas são ajustadas ao longo da vida à medida que se aprende. A tabela 1 abaixo faz uma comparação entre a estrutura do cérebro humano e a estrutura do computador.

Tabela 1: Comparação entre o computador e o cérebro humano

Uma rede neural pode ser ensinada. Este é um ponto crucial para uma RNA pois nele se fundamenta seu aprendizado. Isto é muito atraente do ponto de vista tecnológico pois dessa forma é possível eliminar a necessidade da programação explícita e detalhada.

Todos esses aspectos favorecem o estudo das redes neurais artificiais. No entanto durante muitos anos houve pouco interesse e poucos avanços ocorreram. Uma das causas desta estagnação foi a dificuldade de formalização destes modelos. Porém a neurociência vem trabalhando juntamente com profissionais da área da ciência da computação, engenharia elétrica, matemática, física, psicologia e até os lingüistas.

Figura 2: Modelo básico de neurônio artificial

O modelo mais geral para um neurônio artificial é este apresentado na figura 2 logo acima, cujos atributos são melhor explicados adiante.

– Entradas: as entradas de um neurônio podem ser as saídas de diversos outros neurônios. São as entradas que irão determinar a saída do neurônio.

– Pesos: cada entrada possui um certo peso, ou seja, possui uma certa força de conexão sináptica (inibitória ou excitatória).

– Net: o somatório de todas as entradas multiplicadas por seus respectivos pesos nos fornece o chamado net de um neurônio.

No decorrer do trabalho explicitaremos de forma mais sucinta os atributos de uma rede neural para melhor entendimento.

•

POR QUE UTILIZAR REDES NEURAIS?

Desde o início da evolução das máquinas o homem busca construir uma máquina que seja independente do controle humano, cujo comportamento seja desenvolvido de acordo com seu próprio aprendizado, e que possa ser chamada de autônoma, cognitiva ou inteligente.

Os computadores funcionam de modo seqüencial, proporcionando maior eficiência na resolução de tarefas nas quais devem ser seguidas etapas. Já o cérebro humano funciona de modo paralelo, sendo extremamente conectado. Devido a esta alta interconexão o cérebro é mais eficiente que os computadores na resolução de tarefas que exigem várias variáveis.

Se o computador reproduzisse com qualidade estas características, tais máquinas poderiam vir a ser utilizadas em locais onde a interação humana é perigosa, tediosa ou impossível, como em reatores nucleares, combate ao fogo, operações militares.

Elas são particularmente úteis para lidar com dados ligados a valores reais em que se deseja obter uma saída dotada de valor real. Desta maneira as redes neurais irão realizar uma classificação por graus, e serão capazes de expressar valores equivalentes a "não conhecido com certeza".

•

CARACTERISTICAS DAS REDES NEURAIS ARTIFICIAIS

Através de diversas estruturas neurais e algoritmos de aprendizagem propostos por vários pesquisadores, as redes neurais artificiais conseguem simular estas características presentes