Last modified: 25, February 2024.
Redes neurais com valores hipercomplexos (HvNN, do inglês hypercomplex-valued neural networks) constituem uma área de pesquisa que tem atraído interesse contínuo na última década. Diferente das redes tradicionais com valores reais, as redes neurais com valores hipercomplexos tratam dados multidimensionais como uma entidade única. Existem várias direções de pesquisa em HvNNs: da generalização formal dos algoritmos comumente usados ao caso hipercomplexo que é matematicamente mais rico ao uso de funções de ativação originais que podem aumentar significativamente a funcionalidade do neurônio e da rede. Existem também muitas aplicações interessantes de HvNNs em reconhecimento e classificação de padrões, filtragem não-linear, processamento inteligente de imagens, interfaces cérebro-computador, previsão de séries temporais, bioinformática, robótica, etc.
Exemplos de redes com valores hipercomplexos incluem as redes neurais com valores complexos (CvNNs, do inglês complex-valued neural networks) e as redes neurais com valores quaterniônicos (QvNNs, do inglês quaternion-valued neural networks). Uma das características mais importantes das CvNNs é o tratamento adequado da fase e das informações contidas na fase, por exemplo, o tratamento de fenômenos relacionados a ondas, como eletromagnetismo, ondas de luz, ondas quânticas e fenômenos oscilatórios. As QvNNs, que têm aplicações potenciais em modelagem de dados tridimensional e quadridimensional, têm sido usadas com eficácia para processamento e análise de imagens multivariadas, como imagens SAR coloridas e polarimétricas.
Conceitos básicos de redes neurais e aplicações. Redes neurais de valor complexo. Quatérnios e redes neurais de valor quatérnio. Álgebras e números hipercomplexos. Redes neurais de valores vetoriais e valores hipercomplexos. Aplicações de redes neurais com valores vetoriais e hipercomplexos.