Volume 22 - Novembro de 2017
Editor: Giovanni Torello

 

Fevereiro de 2005 - Vol.10 - Nº 2

Artigo do mês

Redes Neurais Artificiais - Noções Básicas

PROF. DRA. MÁRCIA GONÇALVES1 ; PROF. DR. MAURÍCIO RUV LEMES 2 ; PROF. DR. ARNALDO DAL PINO JUNIOR 3
1-Professora responsável pela disciplina de Psiquiatria UNIVERSIDADE DE TAUBATÉ-UNITAU, Pós-doutoranda,INSTITUTO TECNOLÓGICO DA AERONAUTICA- ITA.
2- Pós-doutorando - ITA.
3- Professor adjunto de física atômico-molecular -ITA; Vice Presidente da Associação Paulista de Física; Presidente da Olimpíada Paulista de Física.

INTRODUÇÃO

Piaget conceitua a inteligência como uma “Adaptação ao ambiente físico e social”. A partir desta definição podemos inferir que existem outros tipos de sistemas inteligentes e a afirmação de que apenas o homem possui inteligência pode ser tendenciosa e antropocêntrica. 1

INTELIGÊNCIA ARTIFICIAL

O termo "Artificial Intelligence" (A.I.) foi usado pela primeira vez em 1956 por McCarthy. e foi definido como "o estudo das faculdades mentais mediante o uso de modelos computacionais.“ por Charmiak y McDermott, 1985. 1

Se agrupam em quatro categorias:

sistemas que pensam como humanos, sistemas que pensam racionalmente, sistemas que agem como humanos e sistemas que agem racionalmente.

Dentre as aplicações das redes neurais podemos citar: 1,2,3

I - Visão artificial (pelo computador)

II - Processamento da Linguagem Natural

    1.Tradução automática 2.Reconhecimento da fala e da voz 3.Análise automática de textos 1,2,3.

III - Sistemas inteligentes para a exploração de dados:

    1- Sistemas de ajuda ao diagnóstico (ex. médico) 2 - Sistemas para a classificação 3 - Sistemas de ajuda a decisão

IV - Modelos cognitivos 1,2,3.

1-Análise e validação de modelos baseados em estudos psicológicos (psicologia, cognitiva, psicanálise) 1,2,3.

V - Lógica formal: 1-Linguagens de I.A. 2-Prova automática de teoremas. 1,2,3.

Atualmente existem duas abordagens da Inteligência Artificial:

IA Simbólica que é um sistema simbólico baseado em idéias genéricas (abstratas) que manifesta um comportamento inteligente e a IA Conexionista onde apresenta um comportamento inteligente com dados palpáveis (numérica). 1,2

FASES DA INTELIGÊNCIA ARTIFICIAL

A inteligência artificial teve um desenvolvimento que podemos situar em algumas fases:

1-FASE: Até 1875 com a visualização do neurônio por Camillo Golgi. que tinha como objetivo a compreensão da fisiologia humana. 1,3

2- FASE: De 1875-1943, com o Neurônio de McCulloch & Pitts iniciou-se um processo de entendimento da Inteligência humana em estudos de psicologia e neurofisiologia. 1,3

3-FASE: De1943-1956, com a reunião no Darthmouth College houve a simulação da inteligência humana. Nesta fase houveram limitações ligadas a falta de tecnologia em informática.

De 1956-1969 houve um hiato no progresso dos estudos devidos as limitações computacionais. 1.3

4-FASE: De 1969-1981, com o advento dos computadores de quinta geração foi possível se encontrar para a IA aplicações práticas.

5 FASE: DE 1981-1987; houve a Primeira Conferência internacional em Redes Neurais e o Renascimento da IA Simbólica e Conexionista. 1,3

6 FASE: Atual (1987-...) onde estamos assistindo o alargamento das aplicações das Redes. Ainda como limitação temos a falta de uma profunda análise matemática sobre as capacidades das Redes Neurais.1,3

O NEURÔNIO ARTIFICIAL

O neurônio artificial é uma abstração:

Trata-se de uma estrutura lógico-matemática que simula o comportamento e as funções do biológico. São as unidades da rede neural. Em uma analogia com o biológico foi nomeado de PERCEPTRON onde OS DENDRITOS foram substituídos por ENTRADAS. As ligações com o corpo celular artificial são os PESO (simulando as sinapses). Os estímulos são processados pela FUNÇÃO DE SOMA e o limiar de disparo do neurônio biológico foi substituído pela FUNÇÃO DE TRANSFERÊNCIA. 1, 3, 4,5 ,6

6http://www.marcelo.110mb.com/anns/anns.html

A REDE NEURAL ARTIFICIAL

Combinando diversos neurônios artificiais podemos formar o que é chamado de rede neural artificial.

Temos diversos modelos de redes, p.ex.:modelo conexionista que inspirado na estrutura cerebral,são redes de neurônios interconectados por sinapses excitatórias e inibitórias. 7

McCulloch-Pitts criaram um esquema onde existe a organização em camadas em três grupos: Camada de Entrada: Os padrões são apresentados à rede. Camadas Intermediárias ou Escondidas: Onde é feita a maior parte do processamento, através das conexões .Camada de Saída: O resultado final é concluído e apresentado. 6,7

TIPOS DE REDES

Os neurônios de uma rede podem se conectar em Redes Diretas ou “Feedfoward” , onde a linha de informação não apresenta ciclos ou Redes Recorrentes ,“Feedback” ou “Backpropagation” . 3,6

PROPRIEDADES DAS REDES NEURAIS

6http://www.marcelo.110mb.com/anns/anns.html

A propriedade mais importante das redes neurais é a habilidade de aprender de seu ambiente e com isso melhorar seu desempenho.1,3,6

Para que a rede possa trabalhar nós fornecemos a ela o algoritmo de aprendizado que são as regras e a descrição de como a rede vai realizar uma determinada tarefa. Temos a partir deles diversos tipos de aprendizagens:

Supervisionada: Um agente externo já sabe a resposta desejada para o padrão de entrada.

Não Supervisionado ou auto-organização: Não existe um agente externo indicando a resposta desejada para os padrões de entrada.6

TREINAMENTO DO PERCEPTRON.

Para se treinar uma rede neural nós devemos fornecer a FUNÇÃO DE ATIVAÇÃO:

que pode ser de três tipos:

Hard Limiter, Threshold & Sigmoid 6,7,8

http://www.marcelo.110mb.com/anns/anns.html

Atualmente observamos que temos ainda algumas limitações a utilização das redes neurais que são:

Elas se comportam como caixas pretas onde o conhecimento fica distribuído pela rede e não numa posição dificultando a interpretação e o tempo de treinamento que na backpropagation é muito lento.São necessários milhares de ciclos para se chegar a níveis de erros aceitáveis.6,8

Outras áreas estão sendo integradas ao estudo das redes neurais . Podemos afirmar que o conteúdo epistemológico está situado na psicologia, neurologia, neurolinguística, teoria do caos, geometria fractal, diversos tipos de lógica(fuzzy,etc) 1,8,9

Bibliografia

  1. Roisenberg;M. - redes neurais - ww.nf.ufsc.brmauro/ine6103/slide/cursoredesneurais/sld03.htm
  2. Newell A, Perlis AJ, Simon HA. Computer science. Science. 1967 Sep 22;157(795):1373
  3. Kovács, Zsolt Laszlo ,Redes Neurais Artificiais: fundamentos e aplicações. Collegium Cognitio, 1997.
  4. Freeman, James A. & Skapura, David M. Neural Networks: Algorithms, Applications and Programming Techniques. Addison-Wesley Publishing, 1992.
  5. Haykin, Simon , Neural Networks: a comprehensive foundation. IEEE Press, 1994.
  6. Oliveira,M.E. Redes Neurais http://www.marcelo.110mb.com/anns/anns.html
  7. Rumelhart, D.; Hinton, G. & Williams, R. Learning Internal representation by Error Propagation. In: Parallel Distributed Processing: explorations in the microstructure of cognition - Vol 1. MIT Press, 1986.
  8. Aranha.F. infoGEO, Ano 2, n.6, março/abril 1999.  Por Francisco Aranha.
  9. Arbib, Michael A. The handbook of Brain Theory and Neural Networks. MIT Press, 1995.B. F. Skinner, Science and human behavior, 1953, pg. 28

* - Ilustrações http://www.marcelo.110mb.com/anns/anns.html/


TOP