Redes Neurais Artificiais são modelos de redes biológicas de neurônios. Como os neurônios biológicos , os neurônios artificiais somar várias entradas e comparar a soma de um valor limite. Se a soma é superior ao limiar , o neurónio passa um sinal para o neurónio seguinte . Contanto que a soma é inferior ao limiar , nenhum sinal é transmitido . Este paradigma de processamento de informação é chamado lógica limiar . Neurônios

neurônios biológicos têm várias entradas, de órgãos dos sentidos e de outros neurônios, e uma única saída. Se as entradas acumulados ultrapassa um certo limiar , a célula passa por um processo de catarse chamado " disparo ", que faz com que uma corrente eléctrica para viajar para baixo a saída única , até ao final do " nervo ", onde a corrente faz com que a expulsão dos pequenos sacos de neurotransmissores - moléculas que ativam os músculos ou outros neurônios . Neurônios artificiais imitar esse processo, mas todas as variáveis ​​são representadas por números que podem ser ajustados para afinar o processo. As entradas individuais são automaticamente multiplicado por números chamados "pesos ", que podem ser ajustadas para alterar o comportamento dos neurônios .

Redes neurais

redes neurais são coleções de neurônios que trabalham em conjunto para criar um efeito . Uma aplicação típica tem os neurónios dispostas em camadas , de modo que um padrão de sinais é apresentado para a primeira linha de neurónios , filtrada através de outras camadas , em seguida, uma linha final de neurónios apresenta um padrão de sinais . Este processo de "tradução" pode ser treinado . Outras aplicações têm todos os neurónios ligados uns aos outros , de modo que alguns dos neurónios são estimuladas , todo o conjunto de neurónios depositada em um estado estável, que representa um padrão previamente memorizada . Outra aplicação tem cada neurónio ligados apenas aos seus vizinhos - como na camada de células na parte posterior do olho - . Que pode detectar coisas como as bordas de padrões de excitação causados ​​pelas bandas de luz e escuridão

Aprendizagem

Curiosamente, redes neurais artificiais herdar algumas das características desejáveis ​​de redes neurais neurais biológicas . Uma delas é aprender . As redes neurais artificiais não são programadas como computadores , pois eles são treinados - como a forma como os animais são treinados . O treinamento é realizado ajustando os pesos dos neurônios. Isso significa que as redes neurais artificiais podem ser usados ​​para controlar os processos que são impossíveis de descrever o tempo que há uma abundância de exemplos para usar em treinamento. Outra boa qualidade de dispositivos lógicos de limite é a sua capacidade de generalizar. Se uma rede neural treinada é mostrado um padrão nunca visto antes , que normalmente classifica -lo corretamente.
Funções de transferência

Quando a soma das entradas de um neurônio excede o limiar , a soma pode ser passada através de uma função de transferência , que controla a saída . Acredita- se que seleccionando com cuidado esta função de transferência podem ter uma variedade de efeitos benéficos sobre a rede neural . Esses benefícios incluem o treinamento mais rápido e aumento da capacidade de generalizar.