IA 02 - Redes Neurais Artificiais

Lembrete: Aqui estão apenas anotações referentes ao curso que estou/estava frequentando.

Como tudo que o ser humano "cria", ele busca inspiração no que existe na natureza, o avião por exemplo, seu formato lembra o de um pássaro, e na tecnologia não seria diferente.

A imagem da anatomia do neurônio serve apenas para comparação e por este motivo esta bem simplificada.

Modelo de neurônio simplificado
Fonte da imagem: http://deeplearningbook.com.br/o-neuronio-biologico-e-matematico/

Apos relembrar as aulas de biologia, fomos apresentados ao modelo de neurônio artificial, sendo que:

i    = variável numérica
n   = variável ultimo item
Xi = Entradas
Wi = Weight (Pesos)
Y   = Saída
∑   = somatória
g    = potencial de ativação

Modelo de neurônio artificial

E também existe o modelo matemático:
       n
g =  ∑    ( Xi * Wi )

      i = 1

Y = f (g)

f  =  { y = 1 , se g >= 0
        { y = 0 , se g <  0

A Rede Neural Artificial pode ser dividida em 3 camadas:

Imagem produzida no Draw.io

Camada de entrada (em azul na imagem) recebe as características do exemplo do problema.

Camadas intermediarias ou camadas escondidas (em verde na imagem) realizam o processamento (mapeamento) entrada X saída.

Camada de saída (em amarelo na imagem) fornece a classificação do exemplo de entrada.

Base de Dados

ENTRADAS			SAÍDA
		TEMPO
SALARIO	EMPRÉSTIMO	TRABALHO	PAGAMENTO
R$ 1.000,00	R$ 500,00	18 meses	0
R$ 2.000,00	R$ 100,00	24 meses	1
…	…	…	…

Veremos nas próximas aulas com mais detalhes, mas apenas para nos situar, o processo de treinamento pode ser dividido em:

•  Supervisionado
• Não supervisionado
• Por reforço

Arquitetura

• Feed forward
• Recorrente ou com realimentação

Algumas outras definições dadas em aula, pelo professor Ângelo:

Modelo conexionista - Conjuntos de unidades de processamento simples (neurônios artificiais) interligados por um grande numero de conexões paralelas (sinapses).

Topologia - Quantidade de camadas intermediarias e quantidade de neurônios nessas camadas.

Para entender ainda mais, foi apresentado o vídeo da base de dados digitalizada dos CEPs dos Estados Unidos, e a digitalização para reconhecer as diferentes formas de escrita. No vídeo podemos ter uma visão de forma gráfica da quantidade de neurônios e sinapses usadas no processo.

Características

• Adaptação por experiencia
• Capacidade de aprendizado
• Tolerância a falhas
• Capacidade de generalização
• Não interpretação dos pesos
• Não justificativa de resultados
• Aplicação muito especificas
• Sujeito a resultados tendenciosos (viés)

Referencias:

Modelo do neurônio simplificado (imagem) - http://deeplearningbook.com.br/o-neuronio-biologico-e-matematico/
Para fazer a imagem do modelo de neurônio artificial usei o Lucid Chart e o Draw.io

Posts complementares:
IA 01 - Inteligencia Artificial