complexo, no-linear e paralelo. Principal componente: Neurnio Redes Neurais Biolgicas Velocidade de Operao: Computadores: nanosegundos (10 -9 s). Neurnios: milisegundos ( 10-3 s). Crebro: rede de neurnios massivamente paralela. 10 bilhes de neurnios. 60 trilhes de interconexes. Redes Neurais Biolgicas Redes Neurais Biolgicas Redes Neurais Biolgicas Comunicao entre neurnios: Redes Neurais Biolgicas Modelo de Neurnio Modelo de Neurnio Funo de Ativao s(u) Funo de Ativao s(u) Rede feedfoward (sem realimentao): Esttica. Estruturalmente estvel. Arquitetura da Rede Exemplo de Operao Exemplo de Operao Exemplo de Operao Exemplo de Operao Problemas para os quais RNAs NO so adequadas: Problemas que podem ser solucionados por uma sequncia de passos bem definidos. Problemas solucionveis por algoritmos que possuem blocos de construo estticos (a lgica no muda). Problemas os quais necessrio saber como a soluo foi derivada. Utilidades Problemas para os quais RNAs so adequadas: Reconhecimento de padres. Classificao. Predio de sries. Minerao de Dados. Utilidades No-linearidade. Interconexo de neurnios no-lineares. No-linearidade distribuda atravs da rede. Mapeamento das entradas e sadas. Aprendizagem com um professor. Adaptabilidade. Pode adaptar os parmetros livres. Eles se modificam no ambiente circundante. Utilidades e Capacidades Exemplo de Associaes Exemplo Exemplo de Associaes Resposta Evidencial. Deciso com uma medida de confiana. Tolerncia a Falhas. Degradao suave. Implementabilidade em (VLSI). Very-Large-Scale Integration . Utilidades e Capacidades Treinamento o processo iterativo no qual os pesos das interconexes so ajustados para que a rede retorne uma sada apropriada. Supervisionado. dado um conjunto de entrada e um conjunto de sada ou respostas desejadas. No Supervisionado. dado apenas um conjunto de entrada. Modelos hbridos. Treinamento e Aprendizagem Estgio em que os resultados retornados pela RNA so avaliados. Em geral, utiliza-se um conjunto de dados de treinamento diferente do conjunto de dados de validao. Validao Heaton Research. Fornece um framework para se trabalhar com RNAs na linguagem Java (gratuito). O livro introdutrio da disciplina ($$$) apresenta os princpios bsicos de RNAs e codificaes em Java. Implementando RNAs Matrizes so a base! matriz de pesos matriz de pesos e limiares Como implementar? Classes relacionadas a matrizes Hopfield Neural Network Uma rede neural que reconhece o padro 0101. Hopfield Neural Network Como treinar uma Hopfield NN? M x M T = R R I = C Classe HopfieldNetwork