|
Ao longo da história, o cérebro tem sido o tema em foco para um diverso grupo de investigadores, incluindo psicólogos, filósofos, biólogos, engenheiros e cientistas da computação. Cada tem tentado representar algum aspecto das características do cérebro num modelo formal.
A seguinte tabela, permite comparar algumas das características entre o cérebro humano e os computadores. 
| 
| 1011 neurónios com 1014 sinapses | Processador único com circuitos complexos | Velocidade: 10-3 | Velocidade: 10-9 | Processamento Distribuído | Processamento Central | Processamento Não Linear | Processamento Linear | Processamento Paralelo | Processamento Sequencial |
Recentemente, a investigação fez um avanço ímpar nesta área através da introdução das Redes Neuronais (RN). As RNs oferecem a habilidade de aprender o desconhecido usando meios convencionais. Usando RNs pode ser estabelecido um modelo livre de estimação do ambiente, permitindo um sistema adaptativo e robusto. Tal como no cérebro humano a unidade base de processamento de uma rede neuronal é o Neurónio.
Assim sendo, as RNs apresentam as seguintes características:
- Vários unidades de processamento
- Várias ligações entre as unidades de processamento com pesos associados
- Processamento altamente paralelo e distribuído
- Aprendizagem é realizada ajustando os pesos das ligações
As RNs são aplicadas em domínios de problemas onde:
- A entrada é um valor discreto ou real de dimensão elevada (ex.: um linha de entrada de um sensor)
- A saída é um valor discreto ou real
- A saída é um vector de valores
- É desconhecida a função objectivo
- Os humanos não necessitam de interpretar os resultados (modelo da caixa preta)
|
