INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS. INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS. Formação de profissionais íntegros que conjuguen ciência, tecnologia e valores em tuas ações, comprometidos com a comunidade na gestão adequada de programas e ferramentas computacionais de última criação. Ser referência na criação de profissionais de prestígio no desenvolvimento de aplicações informáticas e soluções hardware. A primeira coisa que necessitamos fazer antes de aprender a fundo das redes neurais artificiais é compreender o funcionamento biológico de uma rede neural.
As redes neurais biológicas são compostas por um amplo número de elementos, chamados de neurônios. Os receptores, que são as células sensoriais, que coletam o dado em forma de estímulos, sejam esses provenientes do lugar ou do interior do corpo. O Sistema Nervoso, que recebe as informações, as elabora, em porção, as armazena e envia-as em maneira elaborada pros órgãos efetores e a novas áreas do sistema nervoso.
- Usuário que reporta: Nova era 06:33 sete oct 2007 (CEST)
- Pepe 20:11, quatrorze novembro 2006 (CET)
- 1998: Microsoft lança no mercado o sistema Windows 98
- Sofia Mantega (Renascimento) – aprendiz de S. H. I. E. L. D
Órgãos-alvo ou Efetores (glândulas, músculos, etc.), que recebem o dado e a interpretam em maneira de ações motoras, hormonais, etc., O neurônio artificial, célula ou autômato, é um ingrediente que possui um estado interno, chamado de grau de ativação, e recebe sinais que lhe permitem, no teu caso, variar de estado. Neurônio artificial pretende imitar as características mais significativas do neurônio biológico Em geral, recebe os sinais de entrada nas células vizinhas ponderadas pelos pesos das conexões.
FIGURA 2. Funcionamento geral de um neurônio artificial. As redes neurais artificiais (RNA) têm recebido um interesse peculiar, como uma tecnologia para a extenso quantidade de detalhes, uma vez que apresenta os meios pra modelar de modo capaz e produtivo dificuldades grandes e complexos. Os modelos de RNA são dirigidos a partir dos detalhes, ou seja, podem encontrar relações (padrões) de forma indutiva por meio de algoritmos de aprendizagem fundamentado em dados existentes. Para definir completamente uma rede neural, não só é preciso recontar o posicionamento individual de seus componentes (neurônios), porém que há que especificar bem como o interconexionado existente entre elas.
Estas são agrupados em camadas, cada uma delas com um conjunto de neurônios de número alterável e modo igual, constituindo, em vista disso, com numerosas camadas de uma rede neural. Cada camada está ligada à imediata posterior, total ou parcialmente, porém a última camada, que é a saída da rede neural.
Camada de entrada: o número e o tipo de neurónios que constituem esta camada, depende dos detalhes da dificuldade. Camadas intermediárias (escondidas): poderá ser mais de uma, dependendo do tipo e dificuldade da dificuldade a solucionar com a rede. Camada de saída: o número de neurônios dessa camada depende do modelo esperado de saída da rede.