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.
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
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 )
n
g = ∑ ( Xi * Wi )
i = 1
Y = f (g)
f = { y = 1 , se g >= 0
{ y = 0 , se g < 0
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
Para fazer a imagem do modelo de neurônio artificial usei o Lucid Chart e o Draw.io
