Inteligência Artificial |
Do Neurônio Biológico ao Artificial
Uma rede neural artificial é inspirada no funcionamento dos neurônios biológicos: cada neurônio artificial recebe entradas ponderadas, aplica uma função de ativação e produz uma saída.
Ao conectar muitos neurônios em camadas, a rede consegue aprender representações cada vez mais abstratas dos dados de entrada.
Treinamento por Retropropagação
O treinamento de redes neurais utiliza o algoritmo de retropropagação (backpropagation), que calcula o erro na saída e o distribui de volta pelas camadas para ajustar os pesos.
Esse ajuste é repetido por muitas iterações (épocas) até que o erro se torne aceitável.
Funções de Ativação
As funções de ativação introduzem não linearidade em uma rede neural, permitindo que o modelo aprenda relações complexas entre as variáveis, algo que uma combinação puramente linear não conseguiria representar.
Sigmoide, tangente hiperbólica (tanh) e ReLU estão entre as funções de ativação mais utilizadas, cada uma com vantagens específicas relacionadas à velocidade de treinamento e à estabilidade dos gradientes.