Uma Especificação Formal Orientada a Objetos de Redes Neurais Artificiais
Resumo
Este artigo apresenta uma especificação de redes neurais artificiais usando a linguagem MooZ. Por ser uma linguagem de especificação formal orientada a objetos, MooZ possibilita a elaboração de uma descrição gradual e precisa das propriedades de redes neurais, baseada na reusabilidade de definições. Reutilizando classes abstratas, subclasses são definidas a medida que novas características precisam ser incorporadas. A especificação produzida pode ser aplicada no processo de desenvolvimento de software para simulação de redes neurais.
Referências
E. C. D. B. C. Filho. D. L. Bisset, and M. C. Fairhurst. Architectures for goal-seeking neurons. International Journal of Intelligent Systems, 1991.
N. H. Goddard. K. J. Lynne. and T. Mintz. Rochester connectionist simulator. Technical Report 233. University of Rochester, Computer Science Department, Rochester, New York, 14627, march 1988.
H. M. Gomes and P. D. L. Machado. Especificando Redes Neurais Artificiais em MooZ. Technical report, Universidade Federal de Pernambuco, Departamento de Informática, Recife - PE, 1993.
R. Hecht-Nielsen. Neurocomputing. Addison-Wesley Publishing Company, Inc. 1990.
C. A. R. Hoare. Programming: Sorcery or science ? IEEE Software, pages 5-16, april 1984.
P. D. L. Machado, E. C. D. B. Carvalho Filho, S. R. L. Meira, and H. M. Gomes. EASY - an [E]nvironment for [A]rtificial neural [SY]stems simulation. In Proceedings of Fourth Irish Neural Network Conference - INNC'94, Dublin, Ireland, september 1994.
S. R. L. Meira and A. L. C. Cavalcanti. Modular Object-Oriented Z Specifications. In Prof. C. J. van Rijsbergen, editor, Workshop on Computing Series. pages 173 - 192, Oxford - UK, December 1990. Springer-Verlag.
S. R. L. Meira and A. L. C. Cavalcanti. The MooZ Specification Language. Technical report. Universidade Federal de Pernambuco. Departamento de Informática, Recife - PE, 1992. Available via anonymous ftp from ftp://rosa.cr-pe.rnp.br/, file pub/MooZ/MooZ.ps.Z.
D. E. Rumelhart, G. E. Hinton, and R. J. Williams. Learning internal representations by error propagation. In Parallel Distributed Processing, chapter 8, pages 318-362. MIT Press, Cambridge, 1986.
P. K. Simpson. Artificial Neural Systems: Foundations. Paradigms, Aplications and Implementations. Pergamon Press, Inc. 1990.
J. M. Spivey. The Z Notation: A Reference Manual. Prentice Hall, 1989.
C. F. Stevens. The neuron. In The biology of the brain from neurons to neural networks. chapter 1. Freeman. September 1979.
P. D. Wasserman. Neural Computing: Theory and Practice. ANZA Research. Inc, New York, 1989.