Trabalho apresentado como requisito para pontuao parcial na disciplina Inteligncia Artificial do 6 perodo do Curso de Sistemas de Informao das Faculdades Integradas de Itarar FAFIT.
Professor(a): Jos Ricardo Hoffmann
ITARAR 2013 2
SUMRIO
1 INTRODUO ...................................................................................................... 3 2 CONCEITO ........................................................................................................... 4 2.2 Os Neurnios ................................................................................................ 4 2.3 Neurnios e s Redes Neurais ..................................................................... 4 2.3 Como so formadas ..................................................................................... 6 3 APRENDIZAGEM ................................................................................................. 7 3.1 O aprendizado ............................................................................................... 8 4 PERCEPTRON ..................................................................................................... 9 4.1 Diferenas entre Computador e Perceptron ............................................. 10 5 APLICAES .................................................................................................... 11 5.1 Exemplos de Aplicaes ............................................................................ 11 CONCLUSO ........................................................................................................ 12 REFERNCIAS ..................................................................................................... 13
3
1 INTRODUO
Redes Neurais Artificiais so tcnicas da Inteligncia Artificial que tentam dar a um determinado sistema caractersticas mais parecidas o possvel com o crebro humano, ou seja, dar a mquina a possibilidade de aprender e tomar decises. Claro que no uma tarefa fcil, mas h muito tempo cientistas da rea vem buscando frmulas para chegar um melhor desempenho computacional e que tenha essas caractersticas. interessante observar que um processador de computador, do ponto de vista de transmisso de impulsos muito mais rpido que o crebro humano, porm, o crebro humano tem como caracterstica forte o alto grau de paralelismo, ou seja, conexes mltiplas em todo o crebro e isso no achamos em um processador, que conta basicamente com o processamento sequencial da informao. O crebro humano tem tambm muita redundncia, ou seja, uma parte pode ser afetada e uma outra compensar, ou por redundncia ou por assumir as funes da outra parte e suprir o efeito de uma determinada deficincia. Em um processador de computador isso no existe, por exemplo, se quebrar uma perna do processador ele ser inutilizado. Veremos algumas caractersticas e particularidades das Redes Neurais Artificiais.
4
2 CONCEITO
A utilizao de redes neurais artificiais hoje como ferramentas computacionais est bem avanado. Essas redes so feitas fisicamente usando o mesmo substrato dos processadores tradicionais, mas usando um arranjo arquitetnico diferente. J existem tcnicas que realizam aprendizado nas redes neurais, fazendo a adaptao dos parmetros dessas redes similarmente ao que acontece no crebro humano. Esse processo j ocorre mais prximo de que imaginamos, em produtos comercias temos a sutil presenas desses recursos, como, por exemplo, em uma mquina de lavar roupas que calcula a quantidade de agua automaticamente de acordo com a quantidade de roupas, e muitos outros. Claro que nesse caso, a rede neural artificial, serve apenas como parte do processamento mas esse s o comeo. Esses sistemas esto cada dia mais completos e complexos pois a inteno que a mquina aprenda a se comportar de acordo com uma referncia.
2.2 Os Neurnios
Os neurnios so as clulas que formam o nosso crebro. Elas so compostas basicamente por trs partes: os dentritos, que captam informaes ou do ambiente ou de outras clulas, o corpo celular ou Soma, responsvel pelo processamento das informaes, e um axnio, para distribuir a informao processada para outros neurnios ou clulas do corpo. S que uma clula dificilmente trabalha sozinha. Quanto mais clulas trabalharem em conjunto, mais elas podem processar e mais eficaz torna-se o trabalho. Logo, para o melhor rendimento do sistema so necessrios muitos neurnios.
2.3 Neurnios e s Redes Neurais
Foi pensando em como os neurnios trabalham que pesquisadores desenvolveram neurnios artificiais. Cada um tem dois ou mais receptores de 5
entrada, responsveis por perceberem um determinado tipo de sinal. Eles tambm possuem um corpo de processadores, responsvel por um sistema de feedback que modifica sua prpria programao dependendo dos dados de entrada e sada. Finalmente, eles possuem uma sada binria para apresentar a resposta Sim ou No, dependendo do resultado do processamento.
Um neurnio artificial capaz de um nico processamento. Cada entrada recebe somente um tipo de sinal ou informao. Como um neurnio pode possuir vrias entradas, ento ele pode perceber diferentes sinais. Porm, ligar vrios neurnios similares em rede, faz com que o sistema consiga processar mais informaes e oferecer mais resultados. Por exemplo, possvel criar um sistema para identificao para formas e cores, com neurnios sensveis que poderiam distinguir entre o amarelo e o vermelho e outros podem percebem o redondo ou quadrado. Cada neurnio, ento, possui quatro entradas, uma para cada informao. Para obter um melhor rendimento do sistema, cria-se uma rede em camadas: uma primeira camada com quatro neurnios (um para cada sinal de entrada), uma segunda camada oculta de processamento com trs neurnios e uma camada de sada com dois neurnios. 6
O segredo no est na arquitetura dessa rede, mas na forma como ela processa: Redes Neurais no rodam programas, elas aprendem.
2.3 Como so formadas
As Redes Neurais so sistemas paralelos distribudos formados por unidades de processamento que consiste em Nodos que calculam determinadas funes matemticas (normalmente no-lineares). Tais unidades so dispostas em uma ou mais camadas e interligadas por um grande nmero de conexes, geralmente unidirecionais. Na maioria dos modelos estas conexes esto associadas a pesos. Os quais armazenam o conhecimento representado no modelo e servem para ponderar a entrada recebida por cada neurnio da rede. O funcionamento destas redes inspirado em uma estrutura fsica concebida pela natureza: o crebro humano.
7
3 APRENDIZAGEM
No existe uma programao pr-definida dos neurnios artificiais, como existem nas portas lgicas utilizadas nos circuitos computacionais. Ao invs disso, eles possuem um sistema de feedback que modifica sua programao. Cada informao processada gera um peso, dependendo do resultado. Se for um acerto, ela ganha um ponto, se for um erro, ela perde meio ponto. Dessa forma, a rede neural testa vrias vezes a percepo do objeto. A cada acerto, os neurnios envolvidos no processamento ganham um ponto e aquela rede reforada. A cada erro, esses neurnios perdem meio ponto. Dessa forma, o sistema cria a rotina de seguir o caminho com mais pontos sempre. Quanto mais tentativas, mais aprimorado fica o sistema, chegando, ao final de um processo de aprendizado, a executar tarefas quase sem erro algum. A grande vantagem disso que para executar tarefas, uma rede neural no precisa guardar instrues de comando e execut-las de forma lgica, como num computador tradicional. Ao invs disso, a rede aprende o que preciso ser feito e executa a funo. Dessa forma, uma mesma rede, se ela for capacitada com os neurnios necessrios para tal, capaz de executar vrias funes diferentes, independente de espao de memria isso porque em uma mesma rede possvel criar vrias regras diferentes. Mas isso no implica em criarmos novas regras ou novas programaes, somente em ensinar o sistema e executar novas funes utilizando a mesma rede existente. Em sistemas mais elaborados, uma rede neural consegue aprender qualquer funo que uma pessoa possa saber com a vantagem de que no h limites para a quantidade de informao que ela possa processar.
8
3.1 O aprendizado
O processo de aprendizagem das redes neurais realizado quando ocorrem vrias modificaes significantes nas sinapses dos neurnios. Essas mudanas ocorrem de acordo com a ativao dos neurnios. Se determinadas conexes so mais usadas, estas so reforadas enquanto que as demais so enfraquecidas. por isso que quando uma rede neural artificial implantada para uma determinada aplicao, necessrio um tempo para que esta seja treinada.
Existem, basicamente, 3 tipos de aprendizado nas redes neurais artificiais:
1. Supervisionado: neste tipo, a rede neural recebe um conjunto de entradas padronizados e seus correspondentes padres de sada, onde ocorrem ajustes nos pesos sinpticos at que o erro entre os padres de sada gerados pela rede tenham um valor desejado; 2. No-supervisionado: neste tipo, a rede neural trabalha os dados de forma a determinar algumas propriedades dos conjunto de dados. A partir destas propriedades que o aprendizado constitudo; 3. Hbrido: neste tipo ocorre uma "mistura" dos tipos supervisionado e no-supervisionado. Assim, uma camada pode trabalhar com um tipo enquanto outra camada trabalha com o outro tipo.
9
4 PERCEPTRON
Tentando desenvolver melhores formas de inteligncia artificial, alguns pesquisadores comearam a estudar o funcionamento dos neurnios. Em especial, Frank Rosenblatt pesquisou a estrutura da retina humana. Ela composta por vrios neurnios sensoriais, responsveis por perceber as cores e as formas. Cada um desses neurnios transmite uma resposta em rede para vrios outros neurnios que ento enviam suas informaes para o crebro para finalmente process-las e transform-las em imagens. Essa a base de funcionamento dos neurnios artificiais, que levaram ao desenvolvimento do Perceptron.
O Perceptron foi primeira mquina criada para processamento de informao feita sobre o sistema de redes neurais. Ele foi o primeiro sistema de processamento pequeno o suficiente para ser usado por uma pessoa, diferente dos computadores da poca que ocupavam salas enormes com seus processadores. Ele foi considerada por muitos como o pai do computador pessoal. Atualmente, o Perceptron conhecido como a forma de processamento de informao baseado em redes neurais. Ele construdo com neurnios artificiais, formando redes de processamento. Uma rede dessas chamada de Perceptron. 10
4.1 Diferenas entre Computador e Perceptron
A melhor forma de compreender a singularidade desse sistema compar-lo ao computador. Talvez a caracterstica mais marcante de um Perceptron seja que ele no executa programas, mas os aprende. Em um computador, instala-se instrues de comando que formam um programa. Em um Perceptron, treina-o para execut-los. As informaes no so gravadas, mas aprendidas. Um computador funciona a partir da execuo de operaes lgicas, rodando programas que podem ser reduzidos combinao de procedimentos de lgica booleana. Por sua vez, um Perceptron capaz de processos no lgicos, comparaes e transformaes, pois seus sistema no condicionado a um funcionamento lgico e linear.
Ao mesmo tempo, um Perceptron capaz de mltiplos processamentos e testes de hipteses em paralelo, enquanto computadores funcionam com um processamento em cada circuito de cada vez. Isso faz com que a velocidade de processamento do Perceptron seja muito maior do que a de um computador tradicional. Finalmente, um computador est preso sua programao. Ele s executa aquilo que foi programado. Enquanto isso, um Perceptron pode perceber novas possibilidades, aprender com as tentativas e erros e apresentar novos resultados. 11
5 APLICAES
As redes neurais artificiais podem ser aplicadas para resolver uma grande quantidade de problemas. Um bom exemplo de aplicao so softwares de reconhecimento de voz, que precisam aprender a conhecer a voz de determinadas pessoas. Redes neurais tambm so usados em robs que desarmam bombas. Se voc j usou um scanner para retirar um texto de um jornal, por exemplo, saiba que o software de OCR, que responsvel por isso, precisa aprender a reconhecer caracteres da imagem. Logo, ele certamente possui algoritmos de rede neural. Existem at alguns softwares que aprendem a identificar Spams em e-mails e apag- los (e conseguem uma margem aceitvel de acertos). Mas no geral as redes neurais so usadas principalmente em aplicaes mais complexas, como em usinas, mercado financeiro, etc.
5.1 Exemplos de Aplicaes
anlise e processamento de sinais; controle de processos; robtica; classificao de dados; reconhecimento de padres em linhas de montagem; filtros contra rudos eletrnicos; anlise de imagens; anlise de voz; avaliao de crdito.
12
CONCLUSO
Sabe-se que nenhuma mquina capaz de superar a inteligncia humana, muitas so capazes de vrios processamentos por segundo, de calcular inmeras possibilidades, mas nenhum computador capaz de aprender com seus erros porm, o forte avano da tecnologia juntamente com a cincia j deixa muitas dvidas a esse respeito, como por exemplo, os Perceptrons nos mostram que podemos construir mquinas realmente inteligentes, capazes de aprender, de errar, de melhorar e principalmente, que no so presos a programaes que podem falhar. O que limita uma mquina dessas sua prpria experincia.
.
13
REFERNCIAS
<http://www.tecmundo.com.br/programacao/2754-o-que-sao-redes-neurais-.htm> Acesso em 7 set. 2013.
<http://www.easyinfo.com.br/index.php?option=com_content&view=article&id=871:r edes-neurais-em-java&catid=29:ciencia-a-tecnologia> Acesso em 7 set. 2013.
Escrito por Emerson Alecrim - Publicado em 09_05_2004 - Publicado em 09_05_2004<http://www.infowester.com/redesneurais.php> Acesso em 7 set. 2013.
http://www.facom.ufu.br/~dino/disciplinas/mest/ML/slides_alunos/Perceptron.pdf Acesso em 8 set. 2013.
<http://osorio.wait4.org/oldsite/NeuralSignX/ferramentas.html> Acesso em 8 set. 2013.
<http://osorio.wait4.org/oldsite/NeuralSignX/artigos/slides-sirc2002.pdf> Acesso em 8 set. 2013.
BRAGA, A.P; LUDEMIR, T.B;PONCE,A.L.F. Redes Neurais Artificiais: teoria e aplicaes. Rio de Janeiro:LTC, 2007.