Redes Neurais

•  Redes Neurais Artificiais são técnicas computacionais que têm se mostrado extremamente eficientes na solução de problemas onde os métodos tradicionais da computação convencional não têm apresentado soluções satisfatórias, sendo uma de suas áreas de maior potencial de aplicação justamente problemas ligados ao reconhecimento de padrões. Uma rede neural pode ser vista como um conjunto de elementos processadores simples, baseados em neurônios, que são ligados uns aos outros através de conexões, análogas às sinapses. Estas conexões guardam o "conhecimento" da rede e os diversos padrões de conectividade expressam os vários objetos representados pela rede. O conhecimento da rede é adquirido por meio de um processo de treinamento onde as conexões entre as unidades são variadas através da mudanças de pesos.

• Os paradigmas de redes neurais podem ser divididos em algoritmos supervisionados, não-supervisionado e o modelo supervisionado/não-supervisionado.

• O primeiro caso corresponde aos modelos onde a informação sobre as classes a que pertence cada um dos padrões de treinamento é previamente conhecida durante o treinamento da rede. Pares entrada-saída são fornecidos e os pesos ajustados como função do erro entre a saída desejada e a saída obtida. Exemplos compreendem o Multilayer Perceptron, Radial Basis Functions e as memórias associativas.

• Nos algoritmos não-supervisionados a própria rede se encarrega de mapear um conjunto de entrada em um espaço de saída de acordo com um dado critério de similaridade definido, auto-arranjando seus pesos de forma a representar as classes de padrões. São exemplos desses modelos os Mapas Auto-Organizáveis de kohonen e os modelos ART.

• O caso supervisionado/não supervisionado corresponde a uma combinação dos dois métodos e se adequa bem a situações onde há a necessidade de uma contínua atualização da informação armazenada no sistema.