0

FACULDADES INTEGRADAS DE ITARAR FAFIT

LUCIANO RODRIGUES DE ALMEIDA
MARCOS VINCIUS

























REDES NEURAIS ESPECIALIZADAS


























ITARAR
2013
1

LUCIANO RODRIGUES DE ALMEIDA
MARCOS VINCIUS



























REDES NEURAIS ESPECIALIZADAS


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.