Resumen:
Uma rede neural artificial é responsável por mapear as entradas e saídas de um dado sistema. Isto é realizado através da captura e representação do conhecimento em sua rede interna de pesos e seus respectivos neurônios contendo funções de ativações genéricas. Desta forma, toda a informação contida no sistema deveria ser mapeada e armazenada. Entretanto, em sistemas reais de grande complexidade é impossível ter todo o conhecimento mapeado. Logo a parte do conhecimento não mapeada gera uma perda de informação a respeito do sistema desejado que se traduz nos erros produzidos pelo modelo. Para melhorar a modelagem do sistema e gerar uma captura de informação mais precisa, este trabalho apresenta um modelo de rede neuro-especialista onde, para um conjunto de neurônios, as funções genéricas de ativação foram substituídas por um modelo impreciso do sistema. Desta forma, com parte da informação sobre o sistema já presente, a rede deve ter que capturar apenas o restante. Isso torna o aprendizado muito mais rápido e eficaz. Para demonstração a metodologia foi utilizada em um sistema de navegação autônoma.
