Em seguimento do poste sobre Redes Neuronais (http://infptavares.blogspot.pt/2013/02/redes-neuronais-c.html) em que foi explicada parte da teoria das redes neuronais segue este pequeno poste para dar a conhecer quais as arquiteturas existentes.
No poste sobre redes neuronais acima referido foi falado das redes MLP e também das redes com um só neurónio, visto que todo o código fonte disponibilizado no poste anterior é apenas para este último, um neurónio.
Assim sendo, as arquiteturas são nada mais nada menos que a maneira de como interligamos os neurónios e os fazemos comunicar entre si. De facto, os investigadores tentam encontrar novas arquitecturas que podem ser usadas para muitas finalidades. Eu vou falar sobre algumas arquiteturas aqui.
The dictomizer
Este é constituído por um único neurónio, e consegue classificar dois conjuntos diferentes (solução binária). Nada sofisticado, apenas um neurónio único faz o trabalho. A “aprendizagem” é simples de implementar. Não há “feedback” , ou seja a sua saída dele não é “reciclada”.
Multicategory Classifier
Vamos supor que temos mais de duas classes, por exemplo, “humano”, “animal” ou “nenhum dos anteriores”. Usam-se múltiplos neurónios cada um correspondendo a uma linha fronteira, que separa os humanos, dois animais ou nenhuns deles.. Mais uma vez, a entrada não é reciclada. A aprendizagem, neste caso, é muito simples e bastante semelhante à do caso anterior.
Multilayer feedforward networks
Neste tipo de rede os neurónios são organizados em várias “camadas”. A saída de uma camada é a entrada para a próxima. A aprendizagem para estas redes não é tão evidente quanto as redes anteriores. Na verdade, a formação destas redes tornou-se possível apenas há umas décadas atrás usando o algoritmo de back-propagation.
Hopfield networks
Esta rede é um exemplo de uma rede de realimentação de camada única. Isto é, a saída de um neurónio é reciclado como entrada para outros neurónios. Trata-se de uma “única camada” de neurónios.Interligar duas redes de Hopfield é demasiado complexo.
Associative memories
Estas são semelhantes à rede Hopfield, excepto que elas imitam memórias humanas. É possível com uma parte da memória, lembrar e chegar à memória completa sobre determinado assunto na vertente humana. Este é mais ou menos o conceito aqui introduzido.
Hamming & MAXNET
Estas redes ajudam na classificação (assim como o classificador dictomizer / multicategory), mas utilizando uma outra técnica.. Esta rede pode ser usada como não super visionada e supervisionada.
Unsupervised learning
Todas as redes anteriores requerem aprendizagem supervisionada. Ou seja, temos de dar à rede uma entrada, e saída esperada. A rede, em seguida, vai se adaptar em conformidade. Nesta rede, nenhum resultado esperado é necessário. A rede “aprende” sobre si mesmo.
Pedro Tavares is a professional in the field of information security working as an Ethical Hacker/Pentester, Malware Researcher and also a Security Evangelist. He is also a founding member at CSIRT.UBI and Editor-in-Chief of the security computer blog seguranca-informatica.pt.
In recent years he has invested in the field of information security, exploring and analyzing a wide range of topics, such as pentesting (Kali Linux), malware, exploitation, hacking, IoT and security in Active Directory networks. He is also Freelance Writer (Infosec. Resources Institute and Cyber Defense Magazine) and developer of the 0xSI_f33d – a feed that compiles phishing and malware campaigns targeting Portuguese citizens.
By continuing to use the site, you agree to the use of cookies. more information
The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.