Inteligência Artificial
“A Inteligência Artificial é o estudo de como fazer os computadores realizarem tarefas em que, no momento, as pessoas são melhores.”
─ Elaine Rich
Termo proposto em 1956 por Jhon MacCarthy.
Redes Neurais Artificiais (RNAs)
“Redes Neurais Artificiais (RNAs) são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência.”
─ André Ponce de Leon F. de Carvalho
RNAs - História
Desenvolvidas, originalmente, na década de 40, pelo neurofisiologista McCulloch e pelo matemático Walter Pitts da Universidade de Illinois, os quais, dentro do espírito cibernético, fizeram uma analogia entre células nervosas vivas e o processo eletrônico num trabalho publicado sobre neurônios formais.
Neurônio Artificial
Onde:
X0, X1, ...Xn são os valores de entradas,
W0, W1, ...Wn são os respetivos pesos correspondes à cada entrada fornecida,
A função de Soma é responsável por realizar a soma ponderada
A função de Transferência é responsável por comparar o valor resultante da função de soma, e de acordo com o valor obtido, ativa ou não o neurônio.
Neurônio de McCulloch e Pitts.
∑𝑖= 0
𝑛
𝑥𝑖 .𝑤𝑖
Principais arquiteturas de RNAs
a) Rede feedforward de uma única camada (Perceptron). b) Rede feedforward de múltiplas camadas
c) Rede com recorrência entre saídas d) Rede com recorrência auto-associativa
Quadro comparativo entre computadores e neurocomputadores
Máquinas de von Neumann Neurocomputadores
Executa programas Aprende
Executa operações lógicas Executa operações não lógicas, transformações, comparações
Depende do modelo ou do programador Descobre relações ou regra dos dados e exemplos
Testa uma hipótese por vez Testa todas as possibilidades em pararelo
RNAs - Aplicações
Classificação de dados;
Predição;
Processamento de imagens e sinais;
Robótica;
Reconhecimento de padrões em linhas de montagem;
Análise de crédito;
Análise de voz;
Etc.
Perceptron
Criado em 1957 por Frank RosenblattRede Neural de apenas uma camadaImplementa um classificado linearAproximador universal de funções
Funções de limiar
1 u = ≥ 00 u = < 0y = f(u) =
Função de limiar linear
x0
x1
w0
w1
w2x2
yΣ f(u)
Realiza a comparação da soma ponderada das entradas com um valor limiar (threshold).
Algoritmo de treinamento
1. Inicialize ;
2. Inicialize o vetor de pesos com valores aleatórios;
3. Aplique a regra de atualização dos pesos
para todos os p pares do conjunto de treinamento;
4. Repita o passo anterior até que para todos os elementos do conjunto de treinamento.