Introdução às Redes Neurais Artificiais com Implementações em R

• Ricardo Cerri UFSCar

Resumo

Redes Neurais Artificiais são sistemas computacionais baseados no funcionando do cérebro humano. Elas são formadas por neurônios artificiais conectados que compartilham informações para a solução de problemas em diversas aplicações, como o reconhecimento de padrões, sistemas de segurança, medicina, e carros autônomos. Suas variantes vão desde arquiteturas simples até modelos complexos com várias camadas de neurônios interconectados. Este minicurso apresenta fundamentações sobre três modelos básicos de Redes Neurais Artificiais: o Perceptron, o Multi-Layer Perceptron, e o Autoencoder.

Referências

Haykin, S. (1999). Neural Networks: A Comprehensive Foundation. Prentice Hall PTR, Upper Saddle River, NJ, USA, 2nd edition.

Hinton, G. E. e Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786):504–507.

McCulloch, W. e Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biology, 5:115–133.

Minsky, M. e Papert, S. (1969). Perceptrons. MIT Press.

R Development Core Team (2008). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.

Rumelhart, D. E. e McClelland, J. L. (1986). Parallel distributed processing: explorations in the microstructure of cognition, volume 1: foundations. MIT Press. 1http://www.biomal.ufscar.br/eramia2020.html