4.3 Coleta de dados

Como as RNAs aprendem em cima de exemplos (amostras) do contexto da aplicação, torna-se necessário realizar uma coleta de dados do processo em que as RNAs irão atuar. Deve-se ressaltar que os dados adquiridos devem conter informações de todo o espaço amostral no qual esta rede neural deverá processar, pois a rede neural não consegue obter um bom resultado final se tiver de lidar com padrões totalmente diferentes dos que foram usados para se treinada.

Para que se possa utilizar uma RNA é fundamental que se disponha de

dados em quantidade e qualidade suficientes. Caso a quantidade de dados seja pequena, a rede não conseguirá criar um modelo suficientemente representativo e obter um bom desempenho quando aplicada em situações reais. Os dados devem englobar todos os aspectos do problema em questão de modo que o modelo criado seja genérico. Em geral, tais dados precisam ser convertidos em formatos padronizados (normalizados) para utilização pelas RNAs.

4.4 Pré-Processamento dos dados

Após a construção de um banco de dados com amostras do domínio do problema, há a necessidade de se realizar um pré-processamento destes padrões para que possam ser utilizados pela rede neural, com intuito de reduzir a dimensionalidade dos dados. Uma padronização dos dados amostrados para uma determinada faixa na qual a rede neural irá atuar constitui um procedimento usual, bem como a minimização de eventuais ruídos nos dados, e a redução de informações desnecessárias que podem comprometer o processo de aprendizado. Há diversas técnicas de pré processamento dos dados, como filtragens especiais, normalizações de valores etc., apropriadas a cada tipo de aplicação.