Origem de uma RNA

Usualmente denominada de Redes Neurais, sua pesquisa tem sido motivada desde o comeo pelo reconhecimento de que o crebro humano processa informaes de uma forma inteiramente diferente do computador digital convencional. O crebro um computador altamente complexo, no-linear e paralelo. Alm disso, ele tem a capacidade de organizar seus constituintes estruturais, conhecidos por neurnios, de forma a realizar certos processamentos (controle motor, reconhecimento de padres e percepo) com uma velocidade maior do que o mais rpido computador digital existente (HAYKIN, 2001). Isto possvel devido a uma estrutura contida no crebro gerada durante o nascimento, esta estrutura capaz de desenvolver suas prprias regras atravs do que usualmente chamamos de experincias. Esta experincias vo se acumulando durante o tempo, atravs do desenvolvimento de ligaes fsicas do crebro humano, sendo que o desenvolvimento mais dramtico ocorre durante os primeiros anos de vida, mas contnuo durante toda a vida (HAYKIN, 2001).

O que uma RNA?

Em sua forma mais geral, uma RNA uma mquina que projetada para modelar a maneira de como o crebro realiza uma tarefa particular ou funo de interesse, esta rede normalmente implementada utilizando componentes eletrnicos ou simulada por programao em um computador digital. O procedimento utilizado para realizar o processo de aprendizagem chamado de algoritmo de aprendizagem, cuja funo modificar os pesos sinpticos da rede de uma forma ordenada para alcanar um objetivo de projeto desejado.

Os neurnios

O neurnio composto por um corpo celular (soma), ramificaes que recebem as entradas (dendritos) e por um prolongamento (axnio) que transmite os sinais do corpo celular. As extremidades do axnio so conectadas com dendritos de outros neurnios pelas sinapses, formando grandes redes.

Sinapses so as regies de comunicao entre os neurnios, onde as extremidades dos neurnios vizinhos se encontram e o estimulo passa de um neurnio para o seguinte por meio de mediadores fsico-qumicos (neurotransmissores). Dos axnios so liberadas substncias (neurotransmissores), que atravessam a fenda e estimulam receptores nos dendritos, transmitindo o impulso nervoso de um neurnio para o outro (HEATON, 2008).

Figura 1 Neurnio Fonte: HEATON, 2008. O neurnio Booleano de McCulloch

Em 1943, Warren McCulloch, juntamente com o estatstico Walter Pitts, publicaram no Bulletin of Mathematical Biophysics o artigo A logical Calculus of the Ideas Immanent in Nervous Activity. O neurnio de McCulloch um dispositivo binrio, que segue a lgica da Fig. 2. Sua sada poderia ser pulso ou no pulso, e as suas vrias entradas tinham ganho arbitrrio e poderiam ser excitatrias ou inibitrias (BENZECRY et al, 2005).

Figura 2 - Esquema de um Neurnio de McCulloch Fonte: BENZECRY et al, 2005.

Desta forma, se chamarmos de x1, x2, ..., xn o valor do sinal em cada entrada do neurnio, e indicarmos por w1, w2, ..., wn a influncia que cada uma tem no processamento que ocorre no corpo celular, temos que a entrada total no corpo celular dada por:

Em muitos casos, considera-se que o valor da entrada total sobrepe-se a um valor fixo pr-existente, denominado de bias, o qual pode assumir qualquer valor tambm entre +1 e -1. Neste caso considera-se que o bias representa uma entrada extra, sempre com valor unitrio, sofrendo a ponderao atravs de um peso correspondente, w0. Neste caso a entrada total ser dada por:

Ou seja:

O valor total da entrada sofre uma transformao interna no corpo celular, produzindo o valor que propagado para os outros elementos atravs do axnio. Esta transformao do valor de entrada total no corpo celular, na sada do neurnio, s, representada pela aplicao de uma funo f(), conforme a equao:

REFERNCIAS

BENZECRY, M.A; CAMEIRA, R.F; KARRER, D; Vasques, A.S. Redes neurais artificiais: conceitos e aplicaes. Disponvel em:

<http://www.elogroup.com.br/download/Karrer,%20Cameira,%20Vasquez,%20Benzec ry%20-%20Redes%20neurais%20artificiais%20-%20IX%20Profundao%20%202005.pdf>. Acesso em: 04 nov 2013.

HAYKIN, S. Redes Neurais: Princpios de prticas. 2 Ed. Porto Alegre: Bookman, 2001.

HEATON, J. Introduction to Neural Networks with Java. 2 Ed. Saint Louis: Heaton Research, 2008.