O que é uma Rede Neural?
Um modelo computacional inspirado em sistemas neurais biológicos com nós interconectados em camadas que aprendem padrões ajustando pesos durante o treinamento.
Summary
- Consiste em uma camada de entrada (recebe dados), camadas ocultas (extraem características por meio de conexões ponderadas) e uma camada de saída (produz previsões), com funções de ativação que introduzem não linearidade.
- Aprende por meio de retropropagação e descida de gradiente, ajustando iterativamente os pesos para minimizar a perda entre as saídas previstas e reais nos exemplos de treinamento.
- Os tipos incluem redes feedforward para classificação, redes neurais convolucionais para imagens, redes recorrentes para sequências e transformers para tarefas de compreensão de linguagem.
O que é uma rede neural?
Rede neural é um modelo de computação cuja estrutura em camadas se assemelha à estrutura em rede dos neurônios no cérebro. Ela tem elementos de processamento interconectados chamados neurônios, que trabalham juntos para produzir uma função de saída. As redes neurais são feitas de camadas/dimensões de entrada e saída e, na maioria dos casos, elas também têm uma camada oculta consistindo em unidades que transformam a entrada em algo que a camada de saída pode usar.
Tipos de arquiteturas de rede neurais:
As redes neurais, também conhecidas como redes neurais artificiais, usam diferentes algoritmos de deep learning. Confira alguns dos tipos mais comuns de redes neurais:
Rede neural direta:
Esse é o tipo mais básico e comum de arquitetura. Aqui, a informação viaja em apenas uma direção da entrada para a saída. Consiste em uma camada de entrada, uma camada de saída e, entre elas, algumas camadas ocultas. Quando há mais de uma camada oculta, essa rede é chamada de rede neural profunda.
Gartner®: Databricks, líder em banco de dados em nuvem
Rede neural recorrente (RNN)
Esse é um tipo mais complexo de rede. Essa rede neural artificial é comumente usada no reconhecimento de fala e no processamento de linguagem natural (PLN). A RNN executa a mesma tarefa para cada elemento de uma sequência, e a saída é dependente dos cálculos anteriores.
Rede neural convolucional (ConvNet ou CNN)
Uma CNN tem várias camadas através das quais os dados são filtrados em categorias. As CNNs são muito eficazes em áreas como reconhecimento de imagem, processamento de linguagem de texto e classificação. Uma rede neural convolucional é feita de uma camada de entrada, uma camada de saída e uma camada oculta que inclui múltiplas camadas convolucionais, camadas de agrupamento, camadas totalmente conectadas e camadas de normalização.
Há pelo menos mais 10 outros tipos de rede neural, como rede simetricamente conectada: redes de máquinas de Boltzmann, redes de Hopfield e muitos outros tipos. A escolha da rede certa depende dos dados com os quais você precisa treiná-la, bem como da aplicação específica que você tem em mente.