O que são redes neurais artificiais? Para que servem? Por que usar redes neurais artificiais? Quais são as suas potencialidades de aplicações práticas? Quais tipos de problemas podem solucionar?
A partir da consideração de tais questionamentos, o livro foi então redigido com a preocupação primeira de atender aos diferentes perfis de leitores, que estejam interessados tanto na aquisição de conhecimentos sobre arquiteturas de redes neurais artificiais e suas potencialidades, como aqueles que estejam mais motivados pelas suas possibilidades de aplicação em problemas do mundo real.
A sua audiência com caráter multidisciplinar, conforme poderá ser atestada nos diversos exercícios e exemplos aqui tratados, estende-se para várias áreas do conhecimento, tais como engenharias, ciências de computação, matemática, física, economia, finanças, estatística e neurociências. Adicionalmente, espera-se ainda que o livro possa ser também interessante para diversas outras áreas, cujas aplicações têm sido também foco de redes neurais artificiais, como em medicina, psicologia, química, farmácia, biologia, ecologia, geologia, etc.
Para tais propósitos, as principais características diferenciais do livro estão nos seguintes aspectos:
 Contemplação de mais de 250 ilustrações, ricamente detalhadas, que auxiliam na compreensão dos fundamentos teóricos associados com as redes neurais artificiais, agregando-se ainda mais de 170 indicações bibliográficas atualizadas.
 Compilação de mais de 100 exercícios de fixação que estimulam o raciocínio e o entendimento frente aos temas abordados no decorrer de cada assunto.
 Exploração de diversos projetos práticos que exercitam a criatividade e que mostram como empregar as redes neurais artificiais em diferentes contextos aplicativos.
 Apresentação detalhada (passo a passo) de todos os algoritmos que são utilizados, tanto para as fases de treinamento das arquiteturas neurais como para as fases de operação (produção).
 Disponibilização de uma infinidade de materiais (via internet) que auxiliam no aprendizado e na divulgação dos conceitos envolvidos com as redes neurais artificiais.
Em suma, buscou-se cuidadosamente redigir todo o texto usando uma linguagem acessível, com formato didático diferenciado, o qual pudesse ser apreciado por profissionais, estudantes e pesquisadores que estão motivados pelos assuntos envolvidos com as redes neurais artificiais.

Prefácio
Organização
Agradecimentos

Parte I – Arquiteturas de redes neurais artificiais e seus aspectos teóricos

Capítulo 1 – Introdução
1.1 Conceitos iniciais
1.1.1 Características principais
1.1.2 Resumo histórico
1.1.3 Potenciais áreas de aplicações
1.2 Neurônio biológico
1.3 Neurônio artificial
1.3.1 Funções de ativação parcialmente diferenciáveis
1.3.2 Funções de ativação totalmente diferenciáveis
1.4 Parâmetros de desempenho
1.5 Exercícios

Capítulo 2 – Arquiteturas de redes neurais artificiais e processos de treinamento
2.1 Introdução
2.2 Principais arquiteturas de redes neurais artificiais
2.2.1 Arquitetura feedforward de camada simples
2.2.2 Arquitetura feedforward de camadas múltiplas
2.2.3 Arquitetura recorrente ou realimentada
2.2.4 Arquitetura em estrutura reticulada
2.3 Processos de treinamento e aspectos de aprendizado
2.3.1 Treinamento supervisionado
2.3.2 Treinamento não-supervisionado
2.3.3 Treinamento com reforço
2.3.4 Aprendizagem usando lote de padrões (off-line)
2.3.5 Aprendizagem usando padrão-por-padrão (on-line)
2.4 Exercícios

Capítulo 3 – Rede Perceptron
3.1 Introdução
3.2 Princípio de funcionamento do Perceptron
3.3 Análise matemática do Perceptron
3.4 Processo de treinamento do Perceptron
3.5 Exercícios
3.6 Projeto prático

Capítulo 4 – Rede Adaline e regra Delta
4.1 Introdução
4.2 Princípio de funcionamento do Adaline
4.3 Processo de treinamento do Adaline
4.4 Comparação entre o processo de treinamento do Adaline e Perceptron
4.5 Exercícios
4.6 Projeto prático

Capítulo 5 – Redes Perceptron multicamadas
5.1 Introdução
5.2 Princípio de funcionamento do Perceptron multicamadas
5.3 Processo de treinamento do Perceptron multicamadas
5.3.1 Derivação do algoritmo backpropagation
5.3.2 Implementação do algoritmo backpropagation
5.3.3 Versões aperfeiçoadas do algoritmo backpropagation
5.4 Aplicabilidade das redes Perceptron multicamadas
5.4.1 Problemas envolvendo classificação de padrões
5.4.2 Problemas envolvendo aproximação funcional
5.4.3 Problemas envolvendo sistemas variantes no tempo
5.5 Aspectos de especificação topológica de redes PMC
5.5.1 Aspectos de métodos de validação cruzada
5.5.2 Aspectos de subconjuntos de treinamento e teste
5.5.3 Aspectos de situações de overfitting e underfitting
5.5.4 Aspectos de inclusão de parada antecipada
5.5.5 Aspectos de convergência para mínimos locais
5.6 Aspectos de implementação de redes Perceptron multicamadas
5.7 Exercícios
5.8 Projeto prático 1 (aproximação de funções)
5.9 Projeto prático 2 (classificação de padrões)
5.10 Projeto prático 3 (sistemas variantes no tempo)

Capítulo 6 – Redes de funções de base radial (RBF)
6.1 Introdução
6.2 Processo de treinamento de redes RBF
6.2.1 Ajuste dos neurônios da camada intermediária (estágio I)
6.2.2 Ajuste dos neurônios da camada de saída (estágio II)
6.3 Aplicabilidades das redes RBF
6.4 Exercícios
6.5 Projeto prático 1 (classificação de padrões)
6.6 Projeto prático 2 (aproximação de funções)

Capítulo 7 – Redes recorrentes de Hopfield
7.1 Introdução
7.2 Princípio de funcionamento da rede de Hopfield
7.3 Condições de estabilidade da rede de Hopfield
7.4 Memórias associativas
7.4.1 Método do produto externo
7.4.2 Método da matriz pseudo-inversa
7.4.3 Capacidade de armazenamento das memórias
7.5 Aspectos de projeto de redes de Hopfield
7.6 Aspectos de implementação em hardware
7.7 Exercícios
7.8 Projeto prático

Capítulo 8 – Redes auto-organizáveis de Kohonen
8.1 Introdução
8.2 Processo de aprendizado competitivo
8.3 Mapas auto-organizáveis de Kohonen (SOM)
8.4 Exercícios
8.5 Projeto prático

Capítulo 9 – Redes LVQ e counter-propagation
9.1 Introdução
9.2 Processo de quantização vetorial
9.3 Redes LVQ (learning vector quantization)
9.3.1 Algoritmo de treinamento LVQ-1
9.3.2 Algoritmo de treinamento LVQ-2
9.4 Redes counter-propagation
9.4.1 Aspectos da camada outstar
9.4.2 Algoritmo de treinamento da rede counter-propagation
9.5 Exercícios
9.6 Projeto prático

Capítulo 10 – Redes ART (adaptive resonance theory)
10.1 Introdução
10.2 Estrutura topológica da rede ART-1
10.3 Princípio da ressonância adaptativa
10.4 Aspectos de aprendizado da rede ART-1
10.5 Algoritmo de treinamento da rede ART-1
10.6 Aspectos da versão original da rede ART-1
10.7 Exercícios
10.8 Projeto prático

Parte II – Aplicações de redes neurais artificiais em problemas de
engenharia e ciências aplicadas

Capítulo 11 – Estimação da qualidade global de café utilizando o Perceptron
multicamadas
11.1 Introdução
11.2 Características da Rede PMC
11.3 Resultados computacionais

Capítulo 12 – Análise do tráfego de redes de computadores utilizando
protocolo SNMP e rede LVQ
12.1 Introdução
12.2 Características da rede LVQ
12.3 Resultados computacionais

Capítulo 13 – Previsão de tendências do mercado de ações utilizando
redes recorrentes
13.1 Introdução
13.2 Características da rede recorrente
13.3 Resultados computacionais

Capítulo 14 – Sistema para diagnóstico de doenças utilizando redes ART
14.1 Introdução
14.2 Características da Rede ART
14.3 Resultados computacionais

Capítulo 15 – Identificação de padrões de adulterantes em pó de café
usando mapas de Kohonen
15.1 Introdução
15.2 Características da rede de Kohonen
15.3 Resultados computacionais

Capítulo 16 – Reconhecimento de distúrbios relacionados à qualidade
da energia elétrica utilizando redes PMC
16.1 Introdução
16.2 Características da rede PMC
16.3 Resultados computacionais

Capítulo 17 – Controle de trajetória de robôs móveis usando sistemas
fuzzy e redes PMC
17.1 Introdução
17.2 Características da rede PMC
17.3 Resultados computacionais

Capítulo 18 – Método para classificação de tomates usando visão computacional
e redes PMC
18.1 Introdução
18.2 Características da rede neural
18.3 Resultados computacionais

Capítulo 19 – Análise de desempenho de redes RBF e PMC em
classificação de padrões
19.1 Introdução
19.2 Características das redes RBF e PMC
19.3 Resultados computacionais

Capítulo 20 – Resolução de problemas de otimização com restrições
por redes de Hopfield
20.1 Introdução
20.2 Características da rede de Hopfield
20.3 Mapeamento de problemas de otimização pela rede de Hopfield
20.4 Resultados computacionais

Capítulo 21 – Classificação de carne bovina utilizando ressonância magnética nuclear e redes neurais
21.1 Introdução
21.2 Características da rede PMC
21.3 Resultados computacionais

Capítulo 22 – Sistema inteligente para sensoriamento virtual de oxigênio em veículos de injeção eletrônica
22.1 Introdução
22.2 Características da rede PMC
22.3 Resultados computacionais

Capítulo 23 – Estimação de desempenho em sistemas elétricos usando redes PMC
23.1 Introdução
23.2 Características da rede PMC
23.3 Resultados computacionais

Capítulo 24 – Identificação de transitórios eletromagnéticos em redes elétricas
24.1 Introdução
24.2 Características da rede PMC
24.3 Resultados computacionais

Capítulo 25 – Projeto otimizado de brake-lights automotivos usando redes PMC
25.1 Introdução
25.2 Características da rede PMC
25.3 Resultados computacionais

Bibliografia
Apêndice I
Apêndice II
Apêndice III
Apêndice IV
Apêndice V
Índice remissivo

Ivan Nunes da Silva - Professor (com livre-docência) da Universidade de São Paulo (USP). Graduou-se no Bacharelado em Ciência da Computação (1991) e em Engenharia Elétrica (1992), ambos pela Universidade Federal de Uberlândia (UFU). Fez mestrado (1995) e doutorado (1997) em temas envolvendo Redes Neurais Artificiais pela Universidade Estadual de Campinas (UNICAMP). Recebeu diversas premiações e menções honrosas no Brasil e no exterior. Já orientou dezenas de alunos de pós-graduação no tema focal deste livro, atuando também como revisor de artigos submetidos em diversos periódicos científicos nacionais e internacinais. Possui mais de 300 artigos publicados em fórum técnico-científico , incluindo mais de 10 capítulos em livros. É ministrante de disciplinas relacionadas com Sistemas Inteligentes (Redes Neurais Artificiais, Sistemas Fuzzy, Computação Evolutiva, Enxame de Partículas), tanto em cursos de graduação como de pós-graduação. Desenvolveu diversos projetos de pesuisas com resultados também voltados para o setor produtivo, incluindo otimização de sistemas, automação inteligente de processos, pesquisa operacional e séries temporais.
>> Site: http://

Danilo Hernane Spatti - Fez mestrado (2007) e doutorado pela Unioversidade de São Paulo (USP), ambos em temas correlacinados aos sistemas inteligentes. Graduou-se em Engenharia Elétrica (2005), com ênfase em Informática Industrial, pela Universidade Estadual Paulista (UNESP). Já publicou dezenas de artigos em fóruns técnico-científicos nacionais e internacionais. Atua como desenvolvedor de abordagens baseadas em arquiteturas inteligentes em temas relacionados com tecnologia da informação, protocolos computacionais, sistemas de apoio à decisão, automação inteligente de processos e otimização de sistemas.
>> Site: http://

Rogério Andrade Flauzino - Professor doutor da Universidade de São Paulo (USP). Graduou-se em Engenharia Elétrica (2001) e obteve o mestrado (2004) em Engenharia Industrial, ambos pela Universidade Estadual Paulista (UNESP). Fez doutorado (2007) pela Universidade de São Paulo em temas associados com aplicações de sistemas inteligentes. Ministra diversas disciplinas no curso de Engenharia de Computação e Engenharia Elétrica, tendo também lecionado várias matérias relacionadas com Engenharia de Produção. Atua como revisor de artigos submetidos em diversos periódicos científicos nacionais e internacionais. Possui dezenas de artigos publicados em fóruns técnico-científicos, incluindo vários capítulos em livros. Desenvolveu aind uma infinidade de projetos e pesquisas com resultados também voltados para o setor produtivo, incluindo sistemas de apoio à decisão, automação inteligente de processos, sistems especialista, otimização de sistemas e pesquisa operacional.
>> Site: http://