O conceito de tolerância a falhas pode ser entendido como a capacidade que um sistema tem de manter sua correta operação mesmo após a ocorrência de uma falha. Esta área de estudo surgiu na década de 1950, voltada para lidar com faltas em equipamentos militares e aeroespaciais que atuavam em ambientes hostis e/ou remotos, e desde então tem se mostrado um campo de estudos proeminente, em especial, com a popularização do uso de computadores e sistemas embarcados.
É neste campo de pesquisa que se encontra o objeto de estudo deste trabalho: a aplicação de técnicas de tolerância a falhas em uma Rede Neural Artificial de arquitetura Perceptron Multicamadas (MLP) embarcada em FPGA. A rede MLP em questão compõe um sistema voltado para a segurança de mulheres que tem como objetivo identificar, através da rede MLP, possíveis situações de risco para as usuárias. Para tanto, o sistema conta com sensores de sinais vitais, movimentos bruscos e geolocalização que fornecem informações sobre a situação atual da usuária. Uma vez que a Rede MLP desempenha um papel crítico na identificação das situações de risco, faz-se necessária a aplicação de técnicas voltadas para o aumento da sua confiabilidade, visando uma maior segurança para a usuária. Assim sendo, este trabalho analisa os ganhos e impactos da aplicação de quatro técnicas de tolerância a falhas combinadas na MLP embarcada. As técnicas utilizadas incluem: o trato nos pesos e vieses dos neurônios das camadas de processamento da rede; a remoção de neurônios ocultos menos sensíveis à falhas; a duplicação de neurônios ocultos mais sensíveis a falhas (técnica conhecida como Augmentation); e a Redundância Modular Tripla dos neurônios das camadas de entrada e de saída da rede.