Questão 2125546

Um neurônio artificial é uma estrutura linear. Uma rede neural, constituída por conexões de neurônios, contudo é não-linear. A propriedade da não-linearidade tem suporte para modelagem de fenômenos lineares e não lineares, e assim, a rede neural, pode ser empregada para realizar estimativas ou regressão envolvendo tais fenômenos.

Na aprendizagem com um professor ou aprendizagem supervisionada, o conjunto de dados apresentados para a rede neural deve possuir etiqueta. Esta etiqueta identifica a classificação dos dados, e daí a nomenclatura desta rede neural. Na aprendizagem supervisionada, não há modificação dos pesos sinápticos, isso é desnecessário pois os conjuntos de dados são classificados.

As redes neurais apresentam deficiência em adaptar pesos sintáticos. Com isso, a modelagem de alguns cenários também é prejudicada. Contudo, se forem indicadas estimativas iniciais adequadas para os pesos, a rede neural convergirá para bons resultados.

Um neurônio é uma unidade de processamento de informação, essencial na construção de redes neurais. O neurônio possui três elementos básicos: um conjunto de sinapses ou elos de conexão, um somador e uma função de ativação.

A função de ativação é utilizada para ampliar os valores de entrada em um neurônio. O seu objetivo é aprimorar o funcionamento da rede e contribuir para rápida convergência, e assim, facilitará o cálculo da solução ótima do problema modelado.