Neurônios artificiais

 Para o desenvolvimento da inteligência artificial, buscou-se inspiração no cérebro humano, então da mesma maneira que nós possuímos inúmeros neurônios para interpretar informações, foram desenvolvidos os neurônios artificiais, como uma grande simplificação dos biológicos, eles são representados da seguinte maneira:

 

Nesse desenho X1, X2 e X3 são as entradas do neurônio;

 W1, W2 e W3 são chamados de pesos, eles servem para fazer uma ponderação das entradas;

A letra U representa o valor das entradas multiplicadas pelos seus respectivos pesos

 

m é o número máximo de entradas do neurônio;

A função F(u) é chamada de função de ativação do neurônio, a partir do u obtido, escolhemos uma função que melhor atenda à aplicação, e o resultado dessa função será a saída Y do neurônio, 

Mas como podemos escolher essa função de ativação, como já disse dependendo da aplicação, se queremos usar o neurônio para dizer se alguma coisa é verdade ou mentira, assumindo apenas dois valores, podemos usar uma função degrau, 0 se f(u)<0 ou 1 se f(u)>0. Mas se queremos que o neurônio possa assumir um valor qualquer, usamos uma função linear em que por exemplo, Y=u, mas essa escolha irá depender da sua aplicação, vou comentar sobre outra função possível em outro artigo.

E lembram-se do que eu disse em Machine Learning, que o programa se ajusta sozinho, como isso ocorre?

Durante a fase de treinamento o programa irá observar o dataset para verificar se a saída que obteve é a saída desejada, caso não seja os pesos são ajustados de acordo com a seguinte conta:

 

Nessa equação os símbolos são: 

Wn: se refere ao peso daquela entrada;

η: é a taxa de aprendizado da rede, ela determina o quão rápido a rede irá tender aos pesos corretos;

d: é a saida que desejávamos que fosse obtida na iteração que falhou;

y: é a saida obtida na iteração;

Xn: é o valor que foi multiplicado pelo peso que estamos ajustando;

Mas esse ajuste de pesos é realizado apenas na fase de treinamento, ela não ocorre na operação, por isso o treinamento deve ser realizado até que o sistema tenha o rendimento desejado.

Fonte:

Aulas de INART, no Instituto Federal de São Paulo, campus São Paulo, com o professor Miguel Angelo de Abreu de Sousa, no periodo de 11/2020 até 03/2021

Assista à aula sobre Neurônios artificiais Aqui.