Psicologia Cognitiva - Redes Neurais - 3

Nessa parte 3 vamos falar sobre Matrix (nao a fantastica trilogia cinematografica de ficcao cientifica rsrs) mais Matriz Matematica e falar tambem de uma breve introducao ao treinamento de redes neurais.

Para meus colegas de estudos da area de psicologia nao vou entrar em detalhes de calculo, basta saber que o estudo de Matriz e' um dos pilares matematicos relacionado a redes neurais. Elas sao usadas para transformar dados do mundo real de uma forma que possa ser usado nos calculos. A Entrada de dados na camada de INPUT sao sempre fracoes decimais, porem em computacao temos um limite de conversao desse tipo de dado para representacao binaria e vice-versa.

Para meus colegas programadores que quiserem tomar a pilula vermelha eu vou mostrar onde a toca do coelho vai dar ... e para eles as variaveis de INPUT/OUTPUT sao sempre do tipo "float" vamos usar as classes MatrixMath, BiPolarUtil, etc .. por tanto, rever calculos de Matriz de adicao, divisao por escala, multiplicacao, subtracao, transposicao, etc.. ajuda a entender os algoritmos.. sugiro uma lida rapida no link Matriz - Wikipedia antes de olharmos os codigos. Usarei a linguagem c# , porem quem souber java vai se sentir em casa pois c# e' a imitacao da microsoft da linguagem da Sun. O motivo e' simples, um dos pontos fortes da aplicacao das RNA e' reconhecimento de padrao, previsao, etc..vamos poder usar o codigo sem modificacoes em uma plataforma de trading de Forex rsrs.. ;-) quem sabe desenvolver RNA que estara' rodando em plataformas como essa da figura abaixo e faturar uns trocados rsrs...Bem, no final de 2011 mais de 70% de todas as transacoes financeiras foram do tipo "High-frequency trading" ou seja se resume em analisar o compotamento do mercado, definir uma estrategia e deixar por conta das RNA's.

Ou podemos fazer simulacoes para desenvolvimento de novas drogras na area farmaceutica quem sabe?? as aplicacoes vao onde nossos neuronios puderem imaginar.

Treinamento de Redes Neurais.

Uma rede neural simples tipica pode ser representada como na figura abaixo:

Basicamente treinar uma RNA significa deixar o padrao desejado na camada de OUTPUT mais perto possivel do IDEAL para isso temos temos que treinar a HIDDEN layer e/ou modelar adequadamente a camada de INPUT.

Meu proximo post sera' um video onde eu vou rever os assuntos dos 3 primeiros posts e explicar mais detalhadamente a parte de treinamento das RNA.

Ate' La
[s]
AA