Pythia

O Pythia é um programa para o mapeamento de Redes Neurais. Para a criação e disposição dos pesos da rede, ele utiliza Propagação Reversa. Esta é uma versão gratuita deste programa e está limitada em suas funções para 13 neurônios.

Um breve conceito de Rede Neural

Antigamente, o termo Rede Neural era usado apenas como referência aos circuitos neurais biológicos. Estes são compostos por neurônios biológicos conectados ou associados por meio do sistema nervoso central.

Atualmente, usa-se este termo quando se deseja falar sobre os circuitos de redes neurais artificiais (compostos por neurônios artificiais ou nós). Estes, por sua vez, são compostos por neurônios artificiais interconectados (imitando o funcionamento dos biológicos), estas redes podem ser usadas, também, para ajudar na compreensão do funcionamento das redes reais ou para resolução de problemas de inteligência artificial sem a necessidade de criar um modelo biológico.

Uma Rede neural é composta por duas fases, a “Fase de Treinamento” e a “Fase de Reprodução”. Durante a fase de treinamento os dados obtidos contem tanto as entradas quanto os resultados desejados e são processados para otimizar as informações de saída e, por sua vez, reduzir ao máximo possíveis desvios.

No Pythia, os parâmetros da rede, chamados de “pesos”, são inicialmente deixados como aleatórios e durante a Fase de Treinamento o programa compara os dados de saída com os ideais e a margem de erro obtida é devolvida para a entrada da rede (utilizando o conceito de propagação reversa).

Durante a Fase de Reprodução, esses parâmetros não serão mais alterados e a rede começa a ser usada para a reprodução dos dados de entrada com o intuito de que os dados de saída possam ser previsíveis.
Assim, cada neurônio da Rede tem uma saída e o mesmo número de entradas dos neurônios no nível anterior. Cada entrada da rede está conectada a todos os neurônios do primeiro nível e cada saída de um neurônio está conectada aos neurônios do próximo nível.

Entre as configurações do programa, você pode salvar, mudar as taxas de aprendizado, deixar a distribuição de pesos aleatória, reproduzir ou aprender apenas um padrão, permite importar dados de diferentes  formatos de arquivos, (como por exemplo planilhas eletrônicas), entre outras. 

A função “Evolutionary Optimizer” permite que sejam geradas redes aceitáveis para motives específicos, utilizado algoritmos evolucionários para a seleção e criação desta.