Jornal de Ciência de Energia Nuclear e Tecnologia de Geração de Energia

Estudo analítico sobre algoritmos e técnicas de aprendizagem de redes neuronais artificiais

Jeevitha Maruthachalam*

As redes neuronais artificiais são amplamente utilizadas para apoiar a capacidade de decisão humana, evitando inconsistências na prática e erros baseados na falta de experiência. Neste artigo, exploramos várias regras de aprendizagem em redes neuronais artificiais, como a aprendizagem de preceptron, a correção de erros, as regras de aprendizagem hebbianas e de competição. As regras de aprendizagem são algoritmos que direcionam as alterações nos pesos das ligações numa rede.

Estão a incorporar um procedimento de redução de erros, empregando a diferença entre a saída desejada e uma saída real para alterar os seus pesos durante o treino. A regra de aprendizagem é normalmente aplicada repetidamente ao mesmo conjunto de entradas de treino num grande número de épocas, com os erros gradualmente reduzidos ao longo das épocas à medida que os pesos são ajustados. Este artigo também se centra numa das técnicas de redes neuronais denominada Multilayer Perceptron (MLP), juntamente com as suas aplicações, vantagens e desvantagens.