(A) LIMIAR DE ATIVAÇÃO
O neurônio artificial funciona a partir de sete elementos:
- Sinais de entrada
- -> Advindos do meio externo; Usualmente normalizados
- Pesos sinápticos
- -> Valores que servirão para ponderar cada variável de entrada
- Combinador linear
- -> Possui a função de agregar os sinais de entrada que foram ponderados pelos pesos sinápticos para produzir um valor de potencial de ativação
- LIMIAR DE ATIVAÇÃO
- -> Variável que especifica qual será o patamar apropriado para que o resultado produzido pelo combinador linear possa gerar um valor de disparo em direção à saída do neurônio
- Potencial de ativação
- -> Resultado obtido pela diferença do valor produzido entre o combinador linear e o limiar de ativação
- Função de ativação
- -> Tem o objetivo de limitar a saída do neurônio dentro de um intervalo de valores razoáveis
- Sinal de saída
- -> Consiste no valor final produzido pelo neurônio em relação a um determinado conjunto de sinais de entrada
(B) NÚMERO DE CAMADAS
Basicamente, uma rede neural pode ser dividia em três partes, denominadas camadas.
- Camada de entrada
- Responsável pelo recebimento de informações (dados)
- Camada escondidas / intermediárias / ocultas / invisíveis
- Responsabilidade de extrair as características associadas ao processo.
- Camada de saída
- Responsável pela produção e apresentação dos resultados finais
(C) TAXA DE APRENDIZAGEM
3.4 - Processo de treinamento do Perceptron
"[...] A taxa de aprendizagem {ᶯ} exprime o quão rápido o processo de treinamento da rede estará sendo conduzido ruma à sua convergência (estabilização). A escolha de ᶯ deve ser realizada com cautela para evitar instabilidade no processo de treinamento, sendo que normalmente se adotam valores pertencentes ao intervalo compreendido em 0 < ᶯ < 1 ." p.64
4.3 - Processo de treinamento do Adaline
"[...] Assim como no Perceptron, a taxa de aprendizagem {ᶯ} exprime o quão rápido o processo de treinamento da rede estará rumando em direção ao ponto de minimização da função erro quadrático, sendo que normalmente se adotam valores pertencentes ao intervalo compreendido em 0 < ᶯ < 1." p.79
FONTE: DA SILVA, SPATTI, FLAUZINO. Redes Neurais Artificiais para engenharia e ciências aplicadas curso prático. 2010
OBS.:Tá de sacanagem né!?
"Os covardes nunca tentam, os fracos ficaram no meio do caminho, e somente os fortes venceram."
Hineid Dahab