Introdução

Concluído

O aprendizado profundo é uma forma avançada de aprendizado de máquina que tenta emular a maneira como o cérebro humano aprende.

Em seu cérebro, você tem células nervosas chamadas neurônios, que estão conectadas umas às outras por extensões nervosas que passam sinais eletroquímicos pela rede.

Quando o primeiro neurônio na rede é estimulado, o sinal de entrada é processado e, se excede um limite específico, o neurônio é ativado e passa o sinal para os neurônios aos quais está conectado. Esses neurônios, por sua vez, podem ser ativados e passar o sinal através do resto da rede. Com o tempo, as conexões entre os neurônios são reforçadas pelo uso frequente à medida que você aprende a responder efetivamente. Por exemplo, se alguém jogar uma bola em sua direção, suas conexões de neurônio permitirão que você processe as informações visuais e coordene seus movimentos para pegar a bola. Se você executar essa ação repetidamente, a rede de neurônios envolvidos na captura de uma bola ficará mais forte à medida que você aprender a ser melhor em pegar uma bola.

O aprendizado profundo emula esse processo biológico usando redes neurais artificiais que processam entradas numéricas em vez de estímulos eletroquímicos.

Uma rede neural artificial

As conexões nervosas de entrada são substituídas por entradas numéricas que normalmente são identificadas como x. Quando há mais de um valor de entrada, x é considerado um vetor com elementos chamados x₁, x₂ e assim por diante.

Associado a cada valor x é um peso (w), que é usado para fortalecer ou enfraquecer o efeito do valor x para simular o aprendizado. Além disso, uma entrada bias (b) é adicionada para permitir um controle refinado sobre a rede. Durante o processo de treinamento, os valores w e b serão ajustados para ajustar a rede para que ela "aprenda" a produzir saídas corretas.

O neurônio em si encapsula uma função que calcula uma soma ponderada de x, w e b. Essa função, por sua vez, está entre uma função de ativação que restringe o resultado (geralmente a um valor entre 0 e 1) para determinar se o neurônio passa ou não uma saída para a próxima camada de neurônios na rede.