Feedforward neural network (FNN) é uma rede neural simples que transmite informações de uma camada para a outra em ordem sequencial. Ela pode ser categorizada em FNN de camada única ou FNN multicamada, sendo que cada uma delas tem uma finalidade distinta no aprendizado profundo (deep learning).

O que é feedforward neural network?

Feedforward neural network (FNN) é uma rede neural artificial que opera sem feedback loops. Esse tipo de rede é considerado uma das formas mais simples de redes neurais artificiais, pois só funciona em uma direção. As chamadas* deep feedforward neural networks* desempenham um papel essencial na criação de modelos nos campos de deep learning e inteligência artificial (IA). Dependendo do número de camadas usadas, as FNNs podem ser classificadas como redes de camada única ou multicamada.

Como funciona uma feedforward neural network?

Assim como todas as redes neurais artificiais, a feedforward neural network é inspirada no cérebro humano, que processa informações por meio de uma rede de neurônios. Uma FNN tem, pelo menos, duas camadas: uma de entrada e outra de saída. Entre elas, pode haver camadas adicionais, conhecidas como camadas ocultas. Cada uma delas é conectada apenas à camada imediatamente superior. As conexões entre camadas são formadas por arestas (edges), um termo derivado da teoria dos grafos.

  • Camada de entrada: A camada de entrada recebe todos os dados inseridos que alimentam a rede. Cada neurônio nesta camada corresponde a um recurso nos dados recebidos.
  • Camadas ocultas: As camadas ocultas ficam entre a camada de entrada e a de saída. Cada camada oculta é formada por múltiplos neurônios que conectam a camada de entrada e a de saída.
  • Camada de saída: A camada de saída da rede gera o resultado.

Em uma feedforward neural network, as informações fluem apenas em uma direção, indo da camada de entrada até a camada de saída. Elas são introduzidas na camada de entrada e, em seguida, os neurônios presentes nela processam os dados e aplicam pesos a eles. Em uma FNN de camada única, os neurônios passam as informações à camada de saída. No entanto, em uma FNN multicamada, as informações são transmitidas primeiro às camadas ocultas. Como não é possível enxergar esse processo, as camadas são chamadas de “ocultas”. Quando os dados chegam às camadas ocultas, eles são ponderados. As informações processadas são entregues como resultado pelos neurônios na camada de saída.

Imagem: Infográfico sobre feedforward neural networks
Em uma feedforward neural network, as informações só são transmitidas em uma direção

Ao longo do processo, as informações ponderadas em cada etapa são adicionadas. Em seguida, um valor de limite é aplicado para determinar se um neurônio deve ou não passar as informações adiante. Esse limite costuma ser definido como zero. Em uma feedforward neural network, não há conexões para trás entre as camadas, o que significa que cada aresta só é vinculada à camada seguinte a ela.

Quais são os principais usos de uma feedforward neural network?

Existem diversos usos para uma feedforward neural network. Esse tipo de rede é especialmente útil para processar e vincular grandes volumes de dados não estruturados. Veja abaixo alguns exemplos nos quais as FNNs são usadas:

  • Reconhecimento e processamento de voz: Uma feedforward neural network pode ser usada para converter texto em voz ou converter a linguagem falada em escrita.
  • Reconhecimento e processamento de imagem: As FFNs são capazes de analisar e identificar determinadas características. Esse recurso pode ser usado, por exemplo, para digitalizar anotações feitas à mão.
  • Classificação: Uma feedforward neural network pode classificar os dados de acordo com parâmetros predefinidos.
  • Previsões: A feedforward neural network também é uma ótima ferramenta para fazer previsões de eventos e tendências. Ela pode ser usada na previsão do tempo, em sistemas de alerta e gerenciamento de desastres, bem como no setor de exploração e defesa espacial.
  • Detecção de fraudes: Essas redes podem desempenhar um papel importante na identificação de atividades ou padrões fraudulentos.

Qual é a diferença entre uma feedforward neural network e uma rede neural recorrente?

Embora as duas redes usem neurônios para processar informações e transmiti-las da camada de entrada para a camada de saída, uma rede neural recorrente (RNN) também é capaz de enviar as informações para trás. A RNN possui conexões que possibilitam que as informações viajem nos dois sentidos pelas camadas, criando feedback loops na rede em que os dados são armazenados.

Essas redes são especialmente úteis para interpretar informações quando o contexto é importante. Isso se aplica, por exemplo, ao processamento de texto. Pense na palavra “banco”. Ela pode se referir a uma instituição financeira ou a um objeto usado para sentar-se. Para determinar seu sentido correto, é necessário conhecer o contexto. Ao contrário da RNN, a feedforward neural network não possui um mecanismo para armazenar esse tipo de informação.

Este artigo foi útil?
Ir para o menu principal