renato alves ferreira - Universidade Estadual de Feira de Santana

unidirecionais. Na maioria dos modelos essas conexões estão associadas a pesos, os quais
armazenam o conhecimento adquirido pelo modelo e servem para ponderar a entrada recebida
por cada neurônio da rede.
2.2.2 O Neurônio Artificial
Para explicar os princípios básicos de uma unidade de processamento Haykin (2001)
utilizou o modelo apresentando na Figura 2.16, que divide o neurônio artificial em três partes:
Conjunto de Sinapses, somador e a função de ativação. Esse mesmo modelo pode ser
utilizado para descrever a operação de sua unidade de processamento da seguinte forma:
Entrada: O estimulo é representando por n terminais de entrada (dêntritos) que
recebem os valores x1, x2,..., xn (essas informações de entrada são aquelas que serão
apresentadas a rede);
Pesos: O comportamento das sinapses é simbolizado pelos pesos wk,1, wk,2,...
wk,n, acoplados aos terminais de entrada, cujos valores podem ser positivos ou negativos,
dependendo de as sinapses serem inibitórias ou excitatórias;
Combinação Linear: Na seqüência os valores de entrada são multiplicados por seus
respectivos pesos caracterizando uma combinação linear, também chamada de saída linear uk;
Funções de Ativação: Essa saída linear uk deve ser submetida a uma função de
ativação φ que serve para limitar os valores de entrada a um determinado intervalo.
Saída: A unidade irá processar o valor de entrada, produzindo uma determinada
saída que poderá ser enviada para a camada seguinte ou ser o resultado na camada de saída da
rede.
38