O interesse pelas Redes Neurais Artificiais (RNA) tem crescido muito nos últimos anos, devido a resultados bastante expressivos em áreas distintas, como engenharia, geologia, física, biomédicas e finanças.

Na verdade, onde quer que existam problemas de previsão, classificação, análise de séries temporais e até mesmo de controle, deve ser avaliada a aplicação das RNA.

Redes neurais artificiais podem ser pensadas como um modelo simplificado de baixo nível dos sistemas neurais biológicos. De fato, elas têm um apelo teórico muito forte já que são técnicas de modelagem sofisticadas. São capazes de modelar funções complexas e computacionais e apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes, que adquirem conhecimento através de experiência.

Em outras palavras, trata–se de uma estrutura de processamento não algorítmica (quando não ocorre uma seqüência lógica de instruções) na forma de um gráfico orientado, onde cada nó, denominado neurônio, possui muitas entradas e um único sinal de saída.

O processamento em cada nó depende exclusivamente das entradas deste nó e dos valores acumulados em uma pequena memória local.

Desta forma, as redes neurais são uma representação versátil do sistema de análise preditiva. Ao invés de escolher entre representações específicas, basta apresentar uma quantidade de dados representativos do problema em questão e deixar que a rede extraia o conhecimento necessário para fazer previsões diretamente desses dados.

Outro diferencial é que esta tecnologia é mais tolerante a dados com ruídos (dados faltantes) do que a maioria dos métodos clássicos de previsão, pois apende por meio de exemplos.

A utilização do sistema é intuitiva para o usuário de redes neurais artificiais, que precisa apenas determinar uma base de dados representativa do seu problema e, então, executar algoritmos de treinamento, para que estes capturem automaticamente a estrutura dos dados.

Espera–se que, no futuro, o desenvolvimento da modelagem neurobiológica possa contribuir para o desenvolvimento de computadores genuinamente inteligentes. Enquanto isso, os diversos tipos de redes neurais disponíveis em sistemas analíticos avançados são armas importantes para o arsenal de qualquer um que lide com a modelagem e a identificação de sistemas.

Na medicina

As pesquisas continuam avançando e a análise via redes neurais tem obtido sucesso em várias áreas. Um bom exemplo é a detecção de fenômenos médicos, em que uma variedade de índices relacionados à saúde – combinação entre freqüência cardíaca, níveis de algumas substâncias no sangue, taxa de respiração etc. –, podem ser monitorados.

Desta forma, o início de uma dada condição médica pode ser associado a uma combinação muito complexa de mudanças em um subconjunto de variáveis que estão sendo monitoradas. Assim, as RNA têm sido utilizadas para reconhecer padrões preditivos de modo que o tratamento mais apropriado para o paciente possa ser prescrito pelo médico.

Além disso, as redes neurais artificiais podem ser empregadas em outros segmentos, cuja análise é bastante complexa e multidimensional, como na previsão da bolsa de valores. Neste sentido, a tecnologia permite prever flutuações de preços e índices de mercado, baseada em um grande número de fatores como o desempenho passado de
outros preços e vários indicadores econômicos.

O cérebro humano é muito perfeito. Em nossas tentativas de imitá–lo podemos ter uma pequena noção da grandeza e complexidade de seu funcionamento. Sabemos que dificilmente as máquinas e tecnologias conseguirão reproduzi–lo, com tamanha perfeição. Entretanto, apenas copiando uma pequena parte do seu funcionamento já é possível garantir uma das mais incríveis tecnologias de previsão e análise. [Webinsider]

Mariana Carvalho

<strong>Mariana Carvalho</strong> trabalha no departamento de marketing da <a href="http://www.statsoft.com.br/" rel="externo">StatSoft</strong></a>