No ultimo post levantamos a ideia que podemos representar simbolicamente o comportamento de um neuronio biologico em sua funcao basica de transmitir o estimulo para outro neuronio. Apartir de agora, ao inves de usar o termo "estimulo" usarei "informacao" para facilitar o entendimento. Pelo ponto de vista do processamento da informacao, um neuronio e' capaz apenas de uma funcao a funcao borleana. Quando um neuronio esta ligado a outro, temos uma rede neural. Analogicamente uma rede de computadores segue os mesmos fundamentos de uma rede neural biologica. Uma rede de computador tem um tamanho minimo de host 2 ate' ∞ , (a internet atual tem um numero proximo do espaco de enderecamento IPv4 (32 bit) de 4.294.967.296 hosts ... por isso foi desenvolvido o IPv6 com espaco de 128 bits.)
Entao quais as possiveis funcoes que uma rede neural pode ter para transmitir, reter e processar informacao ? Vamos estudar algumas funcoes basicas.
Funcao "AND". A funcao AND (conjuncao aditiva e) tem basicamente o mesmo significado que no ingles ou no portugues. Significa que o resultado e' verdadeiro ser ambas entradas no INPUT passarem pelo threshold (limiar).
Logo teremos a seguinte representacao matematica:
| A | B | A AND B |
| 0 | 0 | 0 |
| 0 | 1 | 0 |
| 1 | 0 | 0 |
| 1 | 1 | 1 |
Para representar a funcao OR (ou) temos:
Representacao matematica:
E por ultimo a funcao XOR (eXclusive OR) que e' considerada o "Hello World" do estudo redes neurais porque para representa-la temos que ter uma camada intermadiaria entre a camada de INPUT e a camada de OUTPUT chamada de camada HIDDEN. Abaixo a representacao grafica.
A representacao matematica de XOR
| A | B | A XOR B |
| 0 | 0 | 0 |
| 0 | 1 | 1 |
| 1 | 0 | 1 |
| 1 | 1 | 0 |
No proximo post falarei um pouco sobre matriz e treinamento de redes neurais.
Ate' la.
[s]
AA
No comments:
Post a Comment