Jorge Manuel Fernandes dos Santos
Doutorado em Ciências da Engenharia pela Faculdade de Engenharia da Universidade do Porto.
Jorge M. Santos é docente do ISEP desde 1995, investigador no INEB desde 2004 e no LEMA desde 2008.
A par da sua atividade docente, tem desenvolvido investigação na área de Machine Learning, particularmente na aplicação de redes neuronais a problemas de
classificação e regressão. Está atualmente envolvido num projeto sobre Transfer Learning em redes neuronais profundas para a aplicação a dados biomédicos.
As Redes Neuronais Artificiais (RNA) | Conceitos
Jorge M. Santos
ISEP – Instituto Superior de Engenharia do Porto
[email protected]
As redes neuronais artificiais são modelos que tentam imitar o nosso sistema nervoso através do uso de estruturas com um elevado número de elementos
computacionais (neurónios), interligados entre si, tentando, à semelhança do cérebro humano, implementar estratégias de resolução de problemas.
As redes neuronais são mapeadores com capacidade de aproximação universal e têm vantagens sobre as abordagens estatísticas clássicas especialmente
quando o conjunto de treino é muito pequeno, quando comparado com a dimensionalidade do problema, e a distribuição dos dados é desconhecida.
Desde a introdução, em 1943 por McCulloch and Pitts, do primeiro modelo matemático de uma rede neuronal, passando pelo fundamental conceito das
redes neuronais: o Preceptrão, apresentado em 1958 por Rosenblatt e o algoritmo de treino de retro-propagação, introduzido por Paul Werbos em 1974,
que as redes neuronais, apesar de algum ceticismo nos anos 70, tem sido área de investigação, tanto fundamental como aplicada, e tem contribuído para o
desenvolvimento em áreas tão diversas como a Engenharia, Economia, Biologia, Química, Medicina, Ciências Sociais, etc.
Nesta comunicação iremos apresentar os conceitos básicos de uma rede neuronal e perceber quais as suas potencialidades tanto em problemas de
classificação supervisionada ou não supervisionada como em problemas de regressão/previsão. Veremos como treinar uma rede neuronal e que cuidados
devemos ter na preparação e uso do conjunto de dados disponível por forma a obter uma melhor generalização. Apresentaremos ainda alguns casos de
aplicações em diversas áreas tentando salientar os aspetos mas importantes de cada uma.