No post de hoje vamos abordar as principais características e aplicações das Redes Neurais Artificiais. Os trabalhos conjuntos entre matemáticos e neurocientistas alicerçaram as bases desta subárea da Inteligência artificial. O objetivo era imitar o comportamento do cérebro humano e fazer com que o computador realizasse tarefas que os humanos ainda realizam de modo mais eficaz.
Por William Yonenaga
De um modo geral, a abordagem tradicional da computação é adequada para tarefas em que há um algoritmo bem estruturado a seguir. Funções como ordenar uma lista, fazer buscas, realizar cálculos complexos podem ser feitas utilizando-se o enfoque tradicional.Por outro lado, as redes neurais artificiais foram desenvolvidas para lidar com tarefas que envolvam aprendizado e generalização.
Analisem a seguinte questão: Como nós, humanos, aprendemos sobre determinada tarefa, como ler, reconhecer um padrão? Uma das premissas apontadas por pesquisadores é que nós aprendemos “por exemplos”. Com o auxílio de um “professor”, que nos apresenta a saída referente a determinada entrada, somos treinados com diversos padrões e, após um período de treinamento satisfatório, temos condições de generalizar e apontar a resposta certa para entradas diferentes. No processo de alfabetização, por exemplo, somos apresentados às entradas(formatos das letras) com as saídas (sons das letras). A partir da associação entre tais entradas e saídas, moldamos nossa rede neural e após o treinamento, conseguimos distinguir as letras, inclusive com diferentes caligrafias. Da mesma forma, como um médico realiza um diagnóstico?Pode-se considerar que, a partir de inúmeros casos vistos durante a faculdade e no dia a dia, ele foi associando as variáveis de entrada(sintomas) com as variáveis de saída(tipo de doença). E é justamente sobre este aprendizado que as redes neurais artificiais se baseiam. Através dos exemplos apresentados à rede, ela ajusta os pesos das conexões, encapsulando o conhecimento nestas conexões.
A estrutura de redes neurais mais comum é a ilustrada abaixo:
Na camada de entrada são apresentadas as variáveis relevantes e na camada de saída é apontada a resposta desejada(o usuário define a quantidade de neurônios em cada camada).Deve se apresentar vários padrões(pares entrada-saída) e em cada iteração os pesos das conexões são atualizadas.Analogamente,nós não aprendemos uma aptidão treinando-se somente uma vez, correto? A partir de um certo número de treinamento, a rede estará apta a reconhecer padrões desconhecidos com um alto índice de acerto. Assim, como nós, depois de alfabetizados(treinados), conseguimos ler sem dificuldade.
Redes Neurais na economia.
Diversos trabalhos que envolvem as redes neurais artificiais com a economia tem sido publicados. Dentre eles, pode-se citar:
- Previsão de séries temporais(cotação de moedas, preço de commodities, preço de ações).
- Análise de Crédito.
-Solvência de empresas.
Os artigos abaixo relacionados esclarecem algumas destas aplicações.
Finalizando, a motivação principal das redes neurais é codificar o conhecimento de um especialista humano em uma estrutura computacional. Deste modo, o sistema treinado pode ser utilizado como ferramenta de tomada de decisão, capaz de generalizar a melhor escolha para padrões (fatos) desconhecidos. As redes neurais constituem um conceito consagrado, estruturado. Cabe a nós, usuários, identificar uma aplicação, reunir os dados e as variáveis relevantes do problema, treinar a rede e verificar o seu desempenho. Portanto, economistas, tai uma ferramenta útil que pode ser utilizado em diversos pontos da economia.
Nenhum comentário:
Postar um comentário