Este artigo ou se(c)o cita fontes fiveis e independentes, mas que no cobrem todo o contedo (desde abril de 2013). Por favor, adicione mais referncias einsira-as no texto ou no rodap, conforme o livro de estilo. Contedo sem fontes poder ser removido. Encontre fontes: Google (notcias, livros, acadmico) Yahoo! Bing.
Diagrama simplificado de uma rede neural. Em cincia da computao e campos relacionados, redes neurais artificiais(RNAs) so modelos computacionais inspirados pelo sistema nervoso central de um animal (em particular o crebro) que capaz de realizar o aprendizado de mquinabem como o reconhecimento de padres. Redes neurais artificias geralmente so apresentadas como sistemas de "neurnios interconectados que podem computar valores de entradas. Por exemplo, uma rede neural para o reconhecimento de escrita manual definida por um conjunto de neurnios de entrada que podem ser ativados pelos pixels de uma imagem de entrada. As ativaes desses neurnios so ento repassadas, ponderadas e transformadas por uma funo determinada pelo designer da rede, a outros neurnios. Este processo repetido at que, finalmente, um neurnio de sada ativado. Isso determina que caractere foi lido. Assim como outros mtodos de aprendizado de mquina, sistemas que aprendem a partir dos dados, redes neurais tm sido usadas para resolver uma grande variedade de tarefas que so difceis de resolver utilizando programao baseada em regras comuns, incluindo viso computacional e reconhecimento de voz. ndice [esconder] 1 Exemplos 2 Histrico o 2.1 Dcada de 1940 o 2.2 Dcada de 1950 o 2.3 Dcada de 1960 o 2.4 Dcada de 1970 o 2.5 Dcada de 1980 3 RNAs (vantagens e caractersticas) o 3.1 Arquiteturas o 3.2 Modelos o 3.3 Clculos o 3.4 Utilidade o 3.5 Aprendizado (ou treino) 4 Descrio o 4.1 Tipos de Entradas 5 Diferenciao o 5.1 Rede pr-alimentada o 5.2 Aplicaes reais o 5.3 CTRNN 6 Tipos de redes neurais o 6.1 Perceptron com uma camada o 6.2 Perceptron multicamadas o 6.3 Redes ARTs 6.3.1 Aplicao 6.3.2 Aprendizado o 6.4 Rede Hopfield o 6.5 Definies Iniciais o 6.6 Memria associativa o 6.7 Aplicao o 6.8 Estrutura o 6.9 Treinamento o 6.10 Memoria Associativa 7 Propriedades Tericas o 7.1 Capacidade Computacional o 7.2 Capacidade o 7.3 Convergncia o 7.4 Generalizao e Estatsticas 8 Redes Neurais e Neurocincia o 8.1 Tipos de modelos 9 Galeria 10 Ver tambm 11 Referncias 12 Ligaes externas Exemplos[editar | editar cdigo-fonte] A inspirao original para essa tcnica advm do exame das estruturas do crebro, em particular do exame de neurnios. A propriedade mais importante das redes neurais a habilidade de aprender de seu ambiente e com isso melhorar seu desempenho. Isso feito atravs de um processo iterativo de ajustes aplicado aos seus pesos, o treino. A aprendizagem ocorre quando a rede neural atinge uma soluo generalizada para uma classe de problemas. Denomina-se algoritmo de aprendizagem a um conjunto de regras bem definidas para a soluo de um problema de aprendizagem. Outro factor importante a maneira pela qual uma rede neural se relaciona com o ambiente. Nesse contexto existem os seguintes paradigmas de aprendizagem: Aprendizagem Supervisionado, quando utilizado um agente externo que indica rede a resposta desejada para o padro de entrada. Aprendizado No Supervisionado (auto- organizao), quando no existe uma agente externo indicando a resposta desejada para os padres de entrada; Reforo, quando um crtico externo avalia a resposta fornecida pela rede. Aplicaes: Reconhecimento Automtico de Alvos; Reconhecimento de Caracteres; Robtica; Diagnstico Mdico; Sensoriamento Remoto; Processamento de Voz; Biometria. Histrico[editar | editar cdigo-fonte] As primeiras informaes sobre neurocomputao surgiram em 1943, em artigos do neuroanatomista e psiquiatra Warren McCulloch, do Instituto Tecnolgico de Massachusetts, e do matemtico Walter Pitts, da Universidade de Illinois. Os autores fizeram uma analogia entre clulas nervosas vivas e o processo eletrnico, em um trabalho publicado sobre "neurnios formais"; simulando o comportamento do neurnio natural, no qual o neurnio possua apenas uma sada, que era uma funo da soma de valor de suas diversas entradas. O trabalho consistia num modelo de resistores variveis eamplificadores, representando conexes sinpticas de um neurnio biolgico.