Redes Neurais Artificiais são modelos computacionais que possuem inspiração biológica, pois o processamento é feito de forma semelhante ao das células neurológicas: a informação é operada em paralelo, possibilitando o aprendizado com a experiência, capacidade de generalização e tolerância a falhas.
Conforme ilustrado na figura abaixo, as redes neurais possuem diversas entradas que podem receber informações da saída de outros neurônios ou diretamente de dispositivos sensores externos à rede. Estes sinais de entrada são alterados por seu peso de conexão, de forma a alterar a sua importância na lógica do sistema. Cada conexão, já filtrada por seu peso, adentra ao núcleo e participa da somatória com as demais entradas. Assim, a informação terá um valor definido, o qual será submetido a uma função de ativação, determinando o limiar de disparo da saída do neurônio, de forma semelhante ao neurônio biológico.
Uma das principais características das redes neurais é o aprendizado pela experiência, pois seu emprego em alguma aplicação é feito após um processo chamado de treinamento: apresentam-se à rede diversas amostras dos parâmetros de entrada da aplicação específica juntamente com os parâmetros de saída desejados, alterando o valor de seus pesos internos de modo a relacionar tais entradas com as saídas esperadas. Ao final desse processo, espera-se que a rede esteja apta a operar dentro dos parâmetros da aplicação, inclusive para entradas diferentes das que foram apresentadas no treinamento.
Apresentam-se aqui trabalhos desenvolvidos no IFSP para implementação de redes neurais em hardware (em contraponto aos desenvolvimentos comuns em software), como
reconhecimento de frutas e
modelagem da dor.
