Redes neurais artificiais: princípios básicos

Resumo

A atual capacidade computacional tem possibilitado o desenvolvimento constante de ferramentas de apoio à melhoria contínua dos processos industriais, onde as Redes Neurais Artificiais (RNAs) merecem especial destaque. Diante disso, o presente artigo tem como objetivo apresentar uma revisão bibliográfica acerca dos principais conceitos, características e princípios relacionados às RNAs, com enfoque em suas aplicações práticas. É possível identificar três classes de arquitetura de redes neurais fundamentalmente diferentes: redes alimentadas adiante com camada única, redes alimentadas diretamente com múltiplas camadas e redes recorrentes, sendo sua definição de fundamental importância para a eficiência do processo ao qual se destina. O processo de aprendizagem de uma RNA pode ocorrer de duas maneiras distintas: aprendizado supervisionado e aprendizado não supervisionado, tendo como principal diferença a presença ou não de um supervisor externo. Uma das principais vantagens da RNA é a capacidade de aprender e generalizar, ou seja, produzir saídas adequadas para entradas inexistentes durante o processo de aprendizagem. Em termos práticos a aplicação de uma RNA não ocorre de maneira simples, uma vez que, inúmeros problemas podem ocorrer durante o processo de implementação. Assim, pesquisas constantes são necessárias a fim de se chegar a uma arquitetura computacional que possibilite ampliar as atividades de modelagem, simulação e controle.