Este documento descreve o que são redes neurais artificiais, como foram criadas para imitar o cérebro humano e aprender através de exemplos, e suas principais aplicações como aproximação de funções, regressões, previsão, classificação e reconhecimento de padrões.

1. REDES
NEURONAIS
ARTIFICIAIS
DISCENTE: DIANA AMARO
DOCENTE: CARLOS COSTA
GESTÃO DE DADOS 2017/2018
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO

2. O que é uma rede neuronal artificial?
• Técnica computacional inspirada na estrutura cerebral

3. O que é uma rede neuronal artificial?
• Criadas em 1943, usadas com mais ênfase a partir de 1986
• Adquirem “conhecimento” através de exemplos
• Existem conexões entre neurónios aos quais estão associados pesos
• Processamento paralelo

4. Qual a sua utilidade?
• Aplicações mais comuns:
• Aproximação de funções
• Regressões
• Previsão
• Outras aplicações:
• Classificação, reconhecimento de padrões ou de sequências
• Metodologias de ajuda à decisão
• Processamento de dados (sinal), filtragem, data mining
• Diagnóstico médico
• Robótica

5. Redes Neuronais- Estrutura
• Camada de entrada: onde os padrões são apresentados à rede
• Camada escondida/oculta: onde é feita a maior parte do
processamento, através das conexões ponderadas
• Camada de saída: onde o resultado final é concluído e apresentado

6. Tipo de rede neuronal artificial com base na
estrutura
• Acíclica
• Cíclica

7. Redes Neuronais
Estrutura de uma RN acíclica
• A saída de um neurónio não pode ser usada como entrada em
neurónio de índice menor
• Unidirecional

8. Redes Neuronais
Estrutura de uma RN cíclica
• A saída de um neurónio pode ser a entrada de outro de índice
menor

9. Tipo de rede neuronal artificial com base nas
camadas ocultas
• Única camada
• Multicamadas

10. RNA com uma única camada vs multicamada

11. Tipo de rede neuronal artificial com base na
Aprendizagem
• Supervisionada
• Não Supervisionada

12. Aprendizagem supervisionada
• Apresenta-se à rede neuronal os padrões de entrada e os seus
correspondentes padrões de saída
• Conhecimento prévio do comportamento que se deseja

13. Aprendizagem não supervisionada
• Não existe um agente externo para acompanhar o processo de
aprendizagem
• Esta abordagem é bastante utilizada em aplicações de data mining
• O principal interesse da aprendizagem não supervisionada é
desvendar a organização dos padrões existentes nos dados através
de clusters (agrupamentos) consistentes.

14. Construção de uma rede neuronal
• Definir o problema, identificando as variáveis a prever e as potenciais
entradas
• Filtragem e processamento dos dados para treino e teste da rede
• Treinar a rede com um conjunto de exemplos representativo
• Testar a rede - conjunto de teste distinto do conjunto de treino

15. Exemplo prático
• http://playground.tensorflow.org/