Processos de Auto-Organização nos Modelos de Redes Neurais Artificiais.

Analisamos nesta dissertação os processos de auto-organização supostamente presentes nos modelos de redes neurais artificiais. Especial ênfase é dada ao estudo do papel da informação e do ruído na organização e estabilização de redes neurais com aprendizagem supervisionada e não supervisionada. Investigamos em que medida tais modelos de redes neurais podem implementar processos auto-organizados. Dois tipos principais de redes neurais são analisados: o Perceptron e o Modelo SOFM de Kohonen. Concluímos que as redes neurais artificiais que utilizam o método de aprendizagem supervisionada não envolvem processos de auto-organização. Por outro lado, os modelos que utilizam o método de aprendizagem não supervisionada possuem um baixo grau de auto-organização. Argumentamos que, embora o termo auto-organização seja freqüentemente empregado nas referências dos modelos de redes neurais, pesquisas sobre a relação entre tais modelos e os processos de auto-organização ainda necessitam de um grande desenvolvimento para a definição apropriada desse termo.