O que é uma Rede Neural Artificial?
Sistemas computacionais inspirados em redes neurais biológicas com nós interconectados em camadas que processam informações por meio de conexões ponderadas.
Summary
- Composto por uma camada de entrada que recebe os dados, camadas ocultas que transformam as entradas por meio de conexões ponderadas e funções de ativação, e uma camada de saída que produz previsões, com retropropagação ajustando os pesos durante o treinamento.
- Aprende representações hierárquicas automaticamente, extraindo características dos dados brutos, eliminando a engenharia manual de recursos e possibilitando aplicações em reconhecimento de imagem, processamento de linguagem natural, reconhecimento de fala e sistemas autônomos.
- Requer grandes conjuntos de dados para treinamento a fim de evitar sobreajuste, se beneficia da aceleração por GPU para operações matriciais e utiliza arquiteturas como redes convolucionais para imagens, redes recorrentes para sequências e transformadores para linguagem.
O que é uma rede neural artificial?
Uma rede neural artificial (ANN) é um sistema de computação padronizado após a operação de neurônios no cérebro humano.
Como funcionam as redes neurais artificiais?
As redes neurais artificiais são como gráficos direcionados ponderados, que são comumente organizadas em camadas. Essas camadas apresentam muitos nós que imitam neurônios biológicos do cérebro humano, que estão interconectados e contêm uma função de ativação. A primeira camada recebe o sinal de entrada bruto do mundo externo - análogo aos nervos ópticos no processamento visual humano. Cada camada sucessiva obtém o resultado da camada anterior, semelhante ao modo pelo qual os neurônios que estão situados mais longe do nervo óptico recebem sinais daqueles mais próximos. A saída em cada nó é chamada de ativação ou valor de nó. A última camada produz a saída do sistema. As ANNs são, na verdade, modelos matemáticos capazes de aprender; usando ANNs, conseguimos aprimorar as tecnologias de análise de dados existentes. Elas são uma das razões pelas quais tivemos um importante progresso em inteligência artificial (IA), machine learning (ML) e deep learning.
Rede neural artificial perceptron
Perceptron é o tipo mais simples de rede neural artificial. Esse tipo de rede é normalmente usado para fazer previsões binárias. Um perceptron só pode funcionar se os dados puderem ser separáveis linearmente.
Gartner®: Databricks, líder em banco de dados em nuvem
Rede neural artificial multicamadas
Uma rede neural multicamadas totalmente conectada também é conhecida como perceptron multicamadas (MLP). Esse tipo de rede neural artificial é composto por mais de uma camada de neurônios ou nós artificiais (por exemplo, redes neurais convolucionais, a redes neurais recorrentes etc.). Uma ANN multicamada é usada para resolver tarefas mais complexas de classificação e regressão. O modelo mais comum é o modelo de retropropagação totalmente conectado de 3 camadas. A primeira camada consiste em neurônios de entrada, que enviam dados para a segunda camada, que por sua vez envia os neurônios de saída para a terceira camada.
Além disso, existem duas topologias de rede neural artificial: FeedForward e Feedback.
Rede neural artificial FeedForward
Nesta ANN, o fluxo de informações é unidirecional. A informação viaja apenas em uma direção, para frente, sem fazer nenhum ciclo de feedback. Ela passa primeiro pelos nós de entrada, depois pelos nós ocultos (caso existam) e, por fim, pelos nós de saída.
Rede neural artificial FeedBack
Neste caso, há conexões de feedback inerentes entre os neurônios das redes. Aqui, loops de feedback são permitidos.
