A partir de um único neurônio artificial podemos criar conexões mais complexas como a vista abaixo:
Esse tipo de topologia é chamado rede perceptron, ou modelo conexionasta, a camada dos neurônios mais à esquerda é chamada de camada de entrada, cada neurónio dessa câmara recebe todas as entradas da rede, os neurônios mais à direita compõem a camada de saída, o número de saídas de uma rede será o número de saidás do dataset utilizado nela, e todos os neurônios que não estão nessas duas camadas, estão nas chamadas camadas escondidas, importante lembrar que os neurônios internos à rede também possuem a ponderação de pesos e uma função de ativação como vimos antes, então no treinamento esses pesos serão ajustados para obtermos o resultado necessário. E nessa rede podemos ver o símbolo de um pequeno triangulo, ele é chamado de bias e é usado como ajuste.
Perceba também que essa rede que as informações viajam sempre no mesmo sentido é chamada de rede feedforward, mas pode ser utilizada também uma rede que as saídas são colocadas novamente na entrada para mais processamento, essas redes mais complexas são chamadas de redes Recorrentes ou com realimentação. Vou mostrar como usar esse tipo de rede em um próximo artigo.
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 a aula sobre redes Multilayer Perceptron Aqui
Nenhum comentário:
Postar um comentário