Aula 1 Flashcards
O que são redes neurais(RNA)?
Redes Neurais Artificiais (RNA) são sistemas computacionais inspirados no funcionamento do cérebro humano, compostos por unidades de processamento interconectadas, chamadas neurônios artificiais. Essas redes são capazes de aprender a partir de dados e realizar tarefas complexas, como reconhecimento de padrões, com base em algoritmos de aprendizagem.
quais os 2 elementos de uma rede neural?
Estrutura e algoritmo de aprendizagem
O que é estrutura?
A estrutura se relaciona com a forma com a qual a RNA é construída, como os neurônios interagem e como disseminam a informação entre seus pares.
O que é algoritimo de aprendizagem?
O algoritmo de aprendizagem, por sua vez, se baseia no modo como a estrutura é dada, de maneira a fazer com que o
conhecimento experimental seja armazenado nessa estrutura, ou melhor dizendo, nas conexões sinápticas entre os neurônios.
O que é generalização?
A generalização em redes neurais artificiais refere-se à capacidade de uma RNA de inferir corretamente sobre novos exemplos ou situações não vistas durante o treinamento. Significa que a rede consegue aplicar o conhecimento adquirido a novos dados, mesmo que sejam diferentes dos utilizados no processo de aprendizagem, sem perder sua capacidade de desempenho.
O que é conhecimneto experimental?
O termo “conhecimento experimental” refere-se ao conhecimento adquirido por uma rede neural artificial a partir de exemplos ou amostras provenientes do ambiente
“Como a analogia com o sistema nervoso humano pode ajudar no entendimento das redes neurais artificiais (RNA)?”
Uma abstração útil para o entendimento das RNA é imaginar o sistema
nervoso humano como aquele que apresenta três estágios (Haykin, 2001, p. 32). O ambiente externo oferece uma diversidade de estímulos que são captados pelo sistema sensorial, constituído de uma estrutura que os processa e os converte em sinais que, por sua vez, são alimentados às redes neurais no córtex cerebral. A partir do processamento dos sinais por meio dos neurônios interconectados,
produzindo os sinais de saída, os atuadores são acionados, convertendo os
impulsos elétricos em ações propriamente caracterizadas como, por exemplo, o
movimento muscular
Como funciona o neuronio?
O neurônio é a unidade fundamental do sistema nervoso, responsável por processar e transmitir informações. Sua estrutura inclui o corpo celular, dendritos (prolongamentos que recebem sinais), e o axônio (prolongamento que transmite sinais). A comunicação entre neurônios ocorre por meio de sinapses, onde neurotransmissores são liberados. O potencial de ação é um fenômeno essencial, permitindo a propagação dos impulsos nervosos. No contexto das redes neurais artificiais, o neurônio artificial é modelado com entradas ponderadas, uma função de ativação e capacidade de aprendizado através da modulação dos pesos sinápticos.
Como classificar as sinapses?
As sinapses podem ser classificadas de acordo com sua função em excitatórias e inibitórias. As sinapses excitatórias aumentam o potencial de outras células, enquanto as sinapses inibitórias diminuem esse potencial. Essa classificação é fundamental para entender como os neurônios se comunicam e como as informações são processadas no sistema nervoso.
Como funciona o neuronio artificial?
O neurônio artificial é modelado com entradas ponderadas, uma função de ativação e capacidade de aprendizado através da modulação dos pesos sinápticos. As entradas são somadas e passam por uma função de ativação que determina a saída do neurônio. A função de ativação introduz não linearidade, semelhante ao potencial de disparo em neurônios biológicos. Os pesos sinápticos são ajustados durante o treinamento da rede neural, permitindo que o neurônio artificial aprenda a associar entradas com saídas desejadas, tornando-o capaz de realizar tarefas complexas de classificação e processamento de informações.
Quais a s funções de ativação mais usadas?
Algumas das funções de ativação mais utilizadas em neurônios artificiais são:
- Função de limiar: retorna um valor constante com base em um limite.
- Função linear por partes: comportamento linear dentro de uma faixa de valores.
- Função sigmoide: equilíbrio entre linear e não linear, como a função logística ou tangente hiperbólica.
Qual a formula expressa o funcionamento do neurinio artificial?
A saída de um neurônio artificial é calculada pela fórmula:
yk = f(∑i=1mwki xi + bk)
Quais as propriedades da RNA?
As redes neurais artificiais (RNA) possuem diversas propriedades, tais como:
- Não linearidade
- Mapeamento de entrada-saída
- Adaptabilidade
- Resposta a evidências
- Informação contextual
- Tolerância a falhas
- Implementação em hardware
- Analogia neurobiológica
O Que é não linearidade?
Não linearidade: As entradas e saídas da RNA podem seguir relações não lineares, essenciais para lidar com sinais físicos complexos.
O que é mapeamento de entrada-saída?
Mapeamento de entrada-saída: A RNA associa entradas a saídas desejadas, aprendendo com exemplos e desenvolvendo comportamentos de resposta.
