Visualize o treinamento passo a passo de um neurônio artificial
Um perceptron é o modelo mais simples de neurônio artificial. Ele recebe 10 entradas binárias, multiplica cada uma pelo seu peso, soma tudo com um bias e aplica uma função degrau: se o resultado for maior que 0, o neurônio dispara (saída = 1); caso contrário, fica silencioso (saída = 0).
Durante o treinamento, os pesos são ajustados automaticamente até o neurônio aprender a reconhecer um único padrão-alvo e ignorar todos os outros.
Padrão-alvo:
[0,1,0,0,0,0,0,0,0,0]
— dispara somente quando a entrada de índice 1 é 1.
Tamanho do ajuste dos pesos a cada erro.
Passagens pelo conjunto de treinamento.
Avance época por época para ver como os pesos evoluem. O gráfico mostra a redução do erro ao longo do tempo — quando chega a zero, o neurônio convergiu.
Cada célula representa um peso. Tom escuro = positivo, cinza claro = próximo de zero ou negativo. A intensidade indica a magnitude. O peso com contorno (w1) corresponde à entrada do padrão-alvo.
escuro = positivo · cinza = negativo · contorno = posição alvo
Clique nas células para alternar entre 0 e 1. O neurônio responde em tempo real com base nos pesos da época selecionada. Experimente o padrão-alvo ou entradas aleatórias para verificar se o treinamento convergiu corretamente.
Este neurônio apresenta uma taxa de acerto de 90% durante o treinamento. Quando testado com apenas dois valores ativos, pode produzir resultados inesperados devido à sua baixa capacidade de generalização.
Isso ocorre porque o perceptron é um modelo linear muito simples. Ele só consegue aprender padrões que são linearmente separáveis. Para problemas mais complexos, redes neurais com múltiplas camadas são necessárias.
Modelos:
PerceptronArtigos:
Neurônio Artificial I