Redes Neurais

1. Defina o que é uma Rede Neural.
Resposta: Redes Neurais são sistemas paralelos distribuídos compostos por unidades de processamento simples interligadas entre si e com o ambiente por um número de conexões. Também podem ser definidas, como modelos inspirados na estrutura paralela do cérebro e que buscam reter algumas de suas propriedades, as unidades representando os neurônios, enquanto que a interconexão, as redes neurais. No geral, conexões estão associadas a pesos que armazenam o conhecimento da rede e servem para ponderar a entrada recebida pelo neurônio, ou seja, aprendizagem gerada a partir de conhecimento.

2. O Perceptron é um classificador linear, justifique. Qual a diferença entre o Perceptron e o Adaline?
Resposta: O Perceptron é um classificar do tipo linear, pois o resultado da sua função de ativação é tal que a superfície de decisão forma um hiperplano, ou seja, para um dos lados está uma classe, para o outro, a outra. A diferença entre o Perceptron e o Adaline é que, enquanto o Perceptron é uma unidade linear com threshold, ou seja, a atualização dos pesos é baseada no erro da saída da rede após a aplicação do limiar (threshold output), e o seu algoritmo de aprendizagem converge dentro de um número finito de passos para um vetor de passos que classifica corretamente todo o conjunto de treinamento, sendo ele linearmente separável, o Adaline é uma unidade linear sem threshold, ou seja, a atualização dos pesos é baseada no erro da saída da