Em artigos anteriores, falamos bastante sobre redes neurais, como no artigo sobre deep learning. Nesse artigo, falaremos sobre o tipo mais básico de rede neural, o perceptron. O perceptron foi a primeira rede neural e a partir dele podemos obter as MLP’s (Multi Layer Perceptron)tradicionais. Nesse artigo, entenderemos o que é o perceptron.
Perceptron: O que é?
Na década de 1950, os pesquisadores idealizaram o perceptron como um modelo matemático para simular um neurônio biológico real.
Ou seja, a ideia é fazer um modelo matemático que consiga realizar operações de forma similar ao cérebro humano.
O neurônio é composto por 3 partes principais:
- Dentritos
- Axônio
- Corpo celular
Os dentritos são responsáveis por receber os estímulos elétricos, porém, o corpo celular vai enviar o estímulo através do axônio, em determinadas condições e o axônio transmitirá o estímulo elétrico.
Então, perceptron tenta simular essa arquitetura, através de um modelo matemático. Entretanto, no perceptron, os estímulos elétricos são uma lista de valores numéricos.
Já a camada de entrada representa os dentritos, que irão receber a lista de valores de entrada. O processamento dos sinais, que são complicados no neurônio real, é realizado através do produto de pesos e uma função de ativação. Veremos em detalhes o funcionamento do perceptron na proxima sessão.
Perceptron: Como funciona?
Ele é um modelo matemático que tem a capacidade de tomar uma decisão binária com relação aos valores de entrada. Todavia, ele recebe uma lista de números e, a partir dela, resulta em 1 ou 0 na camada de saída.
O círculo representa um neurônio, ou seja, um valor intermediário. Cada conexão tem um peso, um valor que as entradas multiplicam, somam e o neurônio armazena.
Cada entrada é multiplicada pelo seu peso, o que resultará no armazenamento do neurônio. Portanto, caso essa soma ultrapasse um certo valor, que chamamos de viés (bias), o resultado final no neurônio de saída vale 1, caso contrário, 0.
Então, o que um perceptron vai fazer, na verdade, é tomar uma atitude (um sim ou não), a partir de vários valores de entradas. Isso porque modo que ele irá tomar essa decisão será a partir dos pesos e do bias. Os pesos e o bias são os parâmetros do perceptron.
Assim, podemos, e devemos, colocar vários perceptrons em camadas. Os perceptrons da primeira camada irão tomar decisões simples acerca dos dados de entrada, e os das camadas mais profundas irão tomar decisões cada vez mais complexas. Por isso, usa-se uma rede com múltiplas camadas de perceptrons que denominada uma rede neural artificial MLP. E ela serve para tomar decisões e fazer classificações complicadas.
Redes neurais com várias camadas são denominadas redes neurais profundas, e são fundamentais para a aplicação do conceito de deep learning.
Conclusão
Em suma, nesse artigo, o conceito fundamental para entender as redes neurais artificiais, o perceptron. A partir dele, é possível avançar e compreender modelos cada vez mais complexos e poderosos. Assim, o perceptron é o primeiro passo que o ser humano deu na caminhada até as máquinas inteligentes.
Portanto, até a próxima!
Referências
https://mundoeducacao.uol.com.br/biologia/neuronios.htm
https://www.flaticon.com/br/icones-gratis/conexoes
