Introdução a redes Neurais Flashcards
O que é uma rede neural?
Redes Neurais Artificiais são sistemas computacionais distribuídos compostos de unidades simples (neurônios), densamente interconectados.
O que é um neurônio artificial?
Uma unidade computacional que simula o comportamento de um neurônio biológico, utilizando entradas ponderadas e funções de ativação.
Como as redes neurais artificiais aprendem a realizar tarefas?
Através de algoritmos de aprendizado que ajustam os pesos sinápticos com base nos dados de treinamento.
Como os dendritos são representados em um neurônio artificial?
Pelo vetor X de dados que representa a entrada.
O que simula as intensidades diferentes do sinal em um neurônio artificial?
O vetor de pesos sinápticos W.
Qual é a função da camada de saída em uma rede neural?
Gerar a resposta final da rede, representando a saída dos sinais processados.
O que faz a função de transferência (ou ativação) em um neurônio artificial?
Modula o sinal propagado, gerando valores excitatórios (positivos) ou inibitórios (negativos).
Como as redes neurais artificiais são utilizadas?
Podem ser aplicadas em classificação de dados, reconhecimento de objetos, regressão de dados, detecção de fraudes, recomendação de produtos, agrupamento de dados, sumarização de dados, entre outras.
O que acontece se o neurônio estiver em uma camada de saída da rede?
O sinal gerado corresponde à saída da rede.
O que faz a função de soma (Σ) em um neurônio artificial?
Combina os valores de entrada ponderados pelos pesos, simulando a integração de sinais no corpo celular.
O que é o vetor X em um neurônio artificial?
Representa a entrada de dados, podendo ser os dados de entrada da rede ou o sinal de saída de outros neurônios.
Como a intensidade dos sinais é simulada em neurônios artificiais?
Pelo vetor de pesos sinápticos W, que pondera as entradas simulando variações na intensidade do sinal.
Quais são algumas das tarefas que redes neurais artificiais podem realizar?
Classificação de dados, reconhecimento de objetos, regressão de dados, detecção de fraudes, recomendação de produtos, agrupamento de dados, sumarização de dados, entre outras.
