MAPA – INTELIGÊNCIA ARTIFICIAL PARA AUTOMAÇÃO – 53/2023
REDES NEURAIS E FUNÇÕES DE ATIVAÇÃO
Uma RNA (Redes Neurais Artificiais) é um método computacional de aprendizagem baseado no funcionamento do cérebro humano. Seu funcionamento pode ser entendido a partir de uma breve analogia com os sentidos do corpo humano.
Quando estamos inseridos em um ambiente, nossos sentidos, como olfato, tato ou visão, fornecem informações sobre as condições do meio em que estamos inseridos. É a partir dessas informações que pautamos as nossas ações. Se estamos em um ambiente muito quente, com alta incidência de raios solares, nossos sentidos são capazes de interpretar essas informações e nos dar as possíveis consequências de uma permanência prolongada em tal ambiente, como uma insolação solar ou até mesmo lesões severas na pele. Essa capacidade interpretativa é construída a partir de um processo de aprendizado, constituído basicamente por experiências adquiridas ao longo de nossas vidas e lições que nos são transmitidas em um processo geracional.
Figura 1: Machine Learning.
Fonte: Disponível em: https://www.next4.com.br/software-house-o-que-e-e-os-seus-desafios/ – Acesso em: 21 jul. 2023.
Assim como no exemplo a pouco citado, uma rede neural artificial trabalha inserida em um meio, de onde se retiram informações iniciais (inputs) e suas consequências (outputs), de acordo com o treinamento obtido através do processo de aprendizagem da rede neural.
Considerando um perceptron de duas camadas com duas entradas e uma saída, onde a saída esperada é um valor contínuo no intervalo de 0 a 10 e um valor acima de 5 ativa o neurônio.
Vamos considerar um contexto de automação industrial onde estamos tentando prever se um sistema de produção está funcionando corretamente ou se está com defeito com base em duas entradas de sensor.
As duas entradas são as leituras de sensores, como a temperatura e a pressão dentro de uma máquina. A saída seria a probabilidade de o sistema estar com defeito.
Figura 2: Representação de Redes Neurais.
Fonte: Elaborado pelo professor, 2023.
Diantes deste cenários responda as seguintes questões:
Qual função de ativação seria a mais apropriada para este modelo? Justifique sua escolha, levando em consideração as características específicas da função de ativação e a natureza do problema que o perceptron está tentando resolver.
2. Com base na no grafo calcule o valor de saída.
3. Como você interpretaria esse valor em termos da condição do sistema de produção?
4. Como você determinaria se a máquina está provavelmente em bom estado de funcionamento ou se há uma alta probabilidade de estar com defeito?
