{"id":478395,"date":"2023-08-09T09:32:22","date_gmt":"2023-08-09T09:32:22","guid":{"rendered":""},"modified":"2023-09-05T11:16:40","modified_gmt":"2023-09-05T11:16:40","slug":"perceptron","status":"publish","type":"wiki","link":"https:\/\/oneproxy.pro\/pt\/wiki\/perceptron\/","title":{"rendered":"Perceptron"},"content":{"rendered":"

Perceptron \u00e9 um tipo de neur\u00f4nio ou n\u00f3 artificial usado em aprendizado de m\u00e1quina e intelig\u00eancia artificial. Representa um modelo simplificado de um neur\u00f4nio biol\u00f3gico e \u00e9 fundamental para certos tipos de classificadores bin\u00e1rios. Ele funciona recebendo entradas, agregando-as e depois passando-as por uma esp\u00e9cie de fun\u00e7\u00e3o degrau. O Perceptron \u00e9 frequentemente usado para classificar dados em duas partes, tornando-o um classificador linear bin\u00e1rio.<\/p>\n

A hist\u00f3ria da origem do Perceptron e a primeira men\u00e7\u00e3o dele<\/h2>\n

O Perceptron foi inventado por Frank Rosenblatt em 1957 no Laborat\u00f3rio Aeron\u00e1utico Cornell. Foi inicialmente desenvolvido como um dispositivo de hardware com o objetivo de imitar a cogni\u00e7\u00e3o humana e os processos de tomada de decis\u00e3o. A ideia foi inspirada em trabalhos anteriores sobre neur\u00f4nios artificiais de Warren McCulloch e Walter Pitts em 1943. A inven\u00e7\u00e3o do Perceptron marcou um marco significativo no desenvolvimento da intelig\u00eancia artificial e foi um dos primeiros modelos capazes de aprender com seu ambiente.<\/p>\n

Informa\u00e7\u00f5es detalhadas sobre Perceptron<\/h2>\n

Um Perceptron \u00e9 um modelo simples usado para compreender o funcionamento de redes neurais mais complexas. Ele pega m\u00faltiplas entradas bin\u00e1rias e as processa por meio de uma soma ponderada, mais um vi\u00e9s. A sa\u00edda \u00e9 ent\u00e3o passada por um tipo de fun\u00e7\u00e3o degrau conhecida como fun\u00e7\u00e3o de ativa\u00e7\u00e3o.<\/p>\n

Representa\u00e7\u00e3o Matem\u00e1tica:<\/h3>\n

O Perceptron pode ser expresso como:<\/p>\n

sim<\/mi>=<\/mo>f<\/mi>(<\/mo>\u2211<\/mo>eu<\/mi>=<\/mo>1<\/mn><\/mrow>n<\/mi><\/msubsup>c<\/mi>eu<\/mi><\/msub>x<\/mi>eu<\/mi><\/msub>+<\/mo>b<\/mi>)<\/mo><\/mrow>y = f(soma_{i=1}^n w_ix_i + b)<\/annotation><\/semantics><\/math><\/span><\/span>sim<\/span><\/span>=<\/span><\/span><\/span><\/span>f<\/span>(<\/span>\u2211<\/span><\/span>eu<\/span>=<\/span>1<\/span><\/span><\/span><\/span><\/span>n<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span>c<\/span><\/span>eu<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span>x<\/span><\/span>eu<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span>+<\/span><\/span><\/span><\/span>b<\/span>)<\/span><\/span><\/span><\/span><\/span><\/p>\n

onde sim<\/mi><\/mrow>sim<\/annotation><\/semantics><\/math><\/span><\/span>sim<\/span><\/span><\/span><\/span><\/span> \u00e9 a sa\u00edda, c<\/mi>eu<\/mi><\/msub><\/mrow>w_i<\/annotation><\/semantics><\/math><\/span><\/span>c<\/span><\/span>eu<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span> s\u00e3o os pesos, x<\/mi>eu<\/mi><\/msub><\/mrow>XI<\/annotation><\/semantics><\/math><\/span><\/span>x<\/span><\/span>eu<\/span><\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span> s\u00e3o as entradas, b<\/mi><\/mrow>b<\/annotation><\/semantics><\/math><\/span><\/span>b<\/span><\/span><\/span><\/span><\/span> \u00e9 o preconceito, e f<\/mi><\/mrow>f<\/annotation><\/semantics><\/math><\/span><\/span>f<\/span><\/span><\/span><\/span><\/span> \u00e9 a fun\u00e7\u00e3o de ativa\u00e7\u00e3o.<\/p>\n

A Estrutura Interna do Perceptron<\/h2>\n

O Perceptron consiste nos seguintes componentes:<\/p>\n

    \n
  1. Camada de entrada<\/strong>: Recebe os sinais de entrada.<\/li>\n
  2. Pesos e preconceitos<\/strong>: Aplicado aos sinais de entrada para enfatizar entradas importantes.<\/li>\n
  3. Fun\u00e7\u00e3o de soma<\/strong>: agrega a entrada ponderada e a tend\u00eancia.<\/li>\n
  4. Fun\u00e7\u00e3o de ativa\u00e7\u00e3o<\/strong>: determina a sa\u00edda com base na soma agregada.<\/li>\n<\/ol>\n

    An\u00e1lise dos principais recursos do Perceptron<\/h2>\n

    Os principais recursos do Perceptron incluem:<\/p>\n