Uma rede neural ou rede neural artificial (Rede Neural Artificial) é um sistema de computação complexo baseado na estrutura neural do cérebro humano. Eles servem como base do aprendizado de máquina, permitindo que os computadores aprendam e interpretem dados. O processo é baseado no recebimento de dados de entrada, processando – os em vários níveis usando pesos ajustáveis (configuráveis na fase de treinamento) e produzindo um resultado previsível.

Estrutura interna
As redes neurais trabalham com o princípio de emular os neurônios biológicos que compõem o cérebro humano. Assim como os neurônios transmitem sinais para outros neurônios através de sinapses, as RNAs transmitem dados através de uma rede de camadas interconectadas de nós, ou “neurônios artificiais.”

Cada nó aplica uma função específica aos dados de entrada e passa o resultado para a próxima camada. A rede é treinada ajustando os pesos e deslocamentos desses nós, dependendo do erro de previsão dos dados de saída. Esse método é conhecido como método de retropropagação.

Tipos de redes neurais

• Redes neurais com comunicação direta (FNN). As informações no FNN se movem apenas em uma direção-da camada de entrada, passando pelas camadas ocultas, até a camada de saída. Eles são amplamente utilizados em tarefas de reconhecimento de imagens.
• Redes neurais convolucionais (CNN). As CNNs são projetadas para processar dados semelhantes a grades. Eles têm camadas de convolução que aplicam filtros aos dados de entrada. Eles são adequados para Tarefas como reconhecimento de imagem e vídeo.
• Redes neurais recorrentes (RNNs). RNNs possuem conexões formando ciclos direcionados. Isso permite que eles mantenham uma espécie de” memória ” dos dados de entrada anteriores. Eles são adequados para tarefas de dados sequenciais, como reconhecimento de fala ou previsão de séries temporais.
• Redes com long short-term memory (LSTM). Eles são projetados para armazenar dependências de longo prazo em dados sequenciais, com os quais os RNCs padrão não conseguem lidar. Eles são frequentemente usados em tarefas de processamento de linguagem natural.
• Redes com funções de base radial (RBFN). Os RBFNS possuem uma camada oculta de neurônios, cuja ativação é determinada pela distância do centro do neurônio. Eles são amplamente utilizados para aproximar funções e resolver problemas de controle.
• Mapas auto-organizados (SOM). O SOM usa o aprendizado não supervisionado para criar uma representação de baixa dimensão de dados de alta dimensão, o que os torna úteis para visualizar dados complexos.
• Generative adversarial networks (Gan). As GANS consistem em duas redes: uma rede geradora que cria novas instâncias de dados e uma rede discriminadora que tenta distinguir instâncias reais de falsas. Essas redes são usadas para criar conteúdo.

Aplicação de redes neurais
As redes neurais são usadas ativamente em vários setores para resolver uma ampla gama de Tarefas. Por exemplo, reconhecimento de padrões em imagens e vídeos, personalização de recomendações em serviços online, automação da Gestão de processos de produção, análise de dados médicos para diagnóstico de doenças, desenvolvimento de carros autônomos, processamento e tradução de linguagens naturais, além de criação de conteúdo.