8 - modelos_temporais
DESCRIPTION
xvcvcTRANSCRIPT
-
1Mar 20061
Antonio G. [email protected] - 1013(021)2598-3268
Redes com MemRedes com Memria Temporalria Temporal
Universidade Federal do Rio de Janeiro
PROGRAMA DE MESTRADOIM/DCC - NCE
www.labic.nce.ufrj.br
Mar 20062
Inteligncia ComputacionalInteligncia Computacional
Processamento Temporal
Mercado de Aes
Mercado de Commodities
Evoluo das Vendas de um Produto
Histrico do Consumo de Energia Eltrica
Ciclo do El Nio
etc
So problemas que se caracterizam por ser dependente davarivel tempo.
-
2Mar 20063
Inteligncia ComputacionalInteligncia Computacional
Jan96 Fev99
IBOVESPA Fechamento Dirio
tendncia sasonalidade oscilao
Mar 20064
Inteligncia ComputacionalInteligncia Computacional
Fonte: Sistema de Informao sobre Mortalidade do Ministrio da Sade (SIM/MS)
bitos causados por Acidentes de Trnsito no estado do Rio de Janeiro 1980- 89
amostragem - mensal
-
3Mar 20065
Inteligncia ComputacionalInteligncia Computacional
memria
objetivo
horizonte
Previso de Valor Futuro
funes uni-variveisfunes multi-variveis
Mar 20066
Inteligncia ComputacionalInteligncia Computacional
Redes Neurais Temporais
So redes dotadas de memria temporal. Memria esta que pode ser introduzida
em modelos do tipo:
Redes com atraso no tempo
Redes com realimentao
-
4Mar 20067
Inteligncia ComputacionalInteligncia Computacional
Redes Neurais com atraso no tempo
Introduz memria rede proporcionando aos neurnios valores de entrada atuais e valores
temporariamente anteriores a eles.
Atrasos somente na camada de entrada
Atrasos nas camadas escondidas e de sada
Mar 20068
Inteligncia ComputacionalInteligncia Computacional
Linha de atraso no tempo:
x(t)
Z-1
Z-1
Z-1
x(t-1)
x(t-2)
x(t-3)
Nodo de memria(atraso no tempo)
M
e
m
r
i
a
x(t)
-
5Mar 20069
Inteligncia ComputacionalInteligncia Computacional
Papel principal da memria Transformar uma rede esttica em uma rede dinmica. A sada torna-se funo do tempo
Responsabilidades A parte esttica responsvel pela no-linearidade; A memria responsvel pelo tempo.
Memrias de Curto Prazo Tempo contnuo Tempo discreto
Memria
Mar 200610
Inteligncia ComputacionalInteligncia Computacional
Redes com Atraso no Tempo
TDNN Time Delay Neural Network
introduz atrasos na entrada e nas camadas intermedirias
TLFN Time Local Filter Neuron
introduz atrasos apenas na entrada
FIR Filter Finite Impulse Response Filter
introduz atrasos apenas na entrada
-
6Mar 200611
Inteligncia ComputacionalInteligncia Computacional
TDNN
Mar 200612
Inteligncia ComputacionalInteligncia Computacional
TLFN
-
7Mar 200613
Inteligncia ComputacionalInteligncia Computacional
Rede TLFN
Mar 200614
Inteligncia ComputacionalInteligncia Computacional
Filtro FIR
-
8Mar 200615
Inteligncia ComputacionalInteligncia Computacional
Rede de Mltiplos FIR
Mar 200616
Inteligncia ComputacionalInteligncia Computacional
Treinamento de Redes com Atraso no Tempo
TLFN e FIR Filter
Backpropagation sem qualquer alterao
TDNN
Backpropagation com pequena alterao para as camadas internas
-
9Mar 200617
Inteligncia ComputacionalInteligncia Computacional
So redes que possuem uma ou mais conexes de realimentao as quais proporcionam comportamento dinmico rede.
A realimentao pode ser: Local se est dada a nvel de um neurnio Global se a realimentao engloba alguma(s) camada(s)
completa(s).
Redes Neurais Recorrentes
Mar 200618
Inteligncia ComputacionalInteligncia Computacional
Para as redes com atraso no tempo necessrio, de antemo, estabelecer um nvel de atrasos timos (nmero de observaes prvias a serem usadas como memria) .
As redes recorrentes incorporam este nvel de atraso dentro da prpria rede (atravs da realimentao).
Redes com atraso no tempo x Rede recorrentes
-
10
Mar 200619
Inteligncia ComputacionalInteligncia Computacional
So redes que possuem uma ou mais conexes de realimentao. A realimentao pode ser
local se ocorre a nvel de um neurnio ou global se engloba uma ou mais camadas completas.
A realimentao armazena, indiretamente, os valores prvios apresentados rede, constituindo uma memria.
Existem dois usos funcionais para as redes recorrentes: Memria associativa Mapeamento de entradaMapeamento de entrada--sasadada
Redes Recorrentes
Mar 200620
Inteligncia ComputacionalInteligncia Computacional
As redes recorrentes tm ligaes que partem das unidades de sada para as de entrada, i.e., tm realimentao (feedbackfeedback).
Fig. Rede AutoRede Auto--associativaassociativa.
Consiste num conjuntode neurnios com ligaes entre as unidades i e j, para ij.
Redes Recorrentes Redes Recorrentes MemMemria Associativaria Associativa
-
11
Mar 200621
Inteligncia ComputacionalInteligncia Computacional
Caso 1 : Caso 1 : A entrada fixa e a resposta da rede evolui para uma sada estvel.
Caso 2 : Caso 2 : entrada e sada mudam no tempo
Redes Recorrentes Redes Recorrentes MemMemria Associativaria Associativa
Uma memria associativa uma variante de um classificador de padres, onde as categorias de classificao so representadas pelos vetores
armazenados na memria.
Mar 200622
Inteligncia ComputacionalInteligncia Computacional
O espao de entrada mapeado para o espao de sada. As redes recorrentes desta forma respondem
temporalmente a sinais de entrada aplicados externamente.
Redes Recorrentes Redes Recorrentes Mapeamento E / SMapeamento E / S
Xp Yp
-
12
Mar 200623
Inteligncia ComputacionalInteligncia Computacional
Algumas arquiteturas de rede especAlgumas arquiteturas de rede especficas, cada uma realficas, cada uma realando ando uma forma especuma forma especfica de realimentafica de realimentao global :o global :
Modelo Recorrente de Entrada-Sada Modelo de Espao de Estados Perceptron de Mltiplas Camadas Recorrentes Redes de Segunda Ordem
Todas incorporam um Todas incorporam um PerceptronPerceptron de mde mltiplas camadasltiplas camadasestesttico ou partes dele.tico ou partes dele. Todas exploram a capacidade de mapeamento noTodas exploram a capacidade de mapeamento no--linear do linear do PerceptronPerceptron de mde mltiplas camadas.ltiplas camadas.
Redes Recorrentes Redes Recorrentes Mapeamento E / SMapeamento E / S
Mar 200624
Inteligncia ComputacionalInteligncia Computacional
O modelo tem O modelo tem uma uma nica entrada que nica entrada que aplicada a uma memaplicada a uma memria de linharia de linhade atraso com q unidades e de atraso com q unidades e
uma uma nica sanica sada realimentada para a entrada atravda realimentada para a entrada atravs de uma s de uma outra memoutra memria de linha de atraso com k unidades.ria de linha de atraso com k unidades.
O conteO contedo das duas memdo das duas memrias de linha de atraso so utilizados rias de linha de atraso so utilizados para alimentar a camada de entrada de uma rede para alimentar a camada de entrada de uma rede Perceptron Perceptron de de mmltiplas camadas.ltiplas camadas.
Modelo Recorrente de Entrada / SaModelo Recorrente de Entrada / Sada da
-
13
Mar 200625
Inteligncia ComputacionalInteligncia Computacional
NARX Nonlinear Autoregressive with Exogenous Inputs
Mar 200626
Inteligncia ComputacionalInteligncia Computacional
Vetor desada
Modelo de espaModelo de espao de estadoso de estados
Linha de q atrasos
Camada oculta no-
linear
Camada de sada linear
Linha de p atrasos
x(n)
u(n)
v(n) y(n+k)u(n-1)
v(n-1)
(*) Realimentaes globais
-
14
Mar 200627
Inteligncia ComputacionalInteligncia Computacional
uma Rede Neural Temporal com realimentao global interna, onde cada um dos neurnios escondidos tem realimentao para a entrada de todos eles.
uma rede parcialmente recorrente, pois as conexes feedforward so modificveis, e as conexes recorrentes so fixas.
Dentre as arquiteturas de redes neurais recorrentes, a rede de Elman a mais simples (ELMAN, 1990).
Perceptron de Mltiplas Camadas Recorrentes
Rede Elman
Mar 200628
Inteligncia ComputacionalInteligncia Computacional
camada intermedicamada intermediria:ria: composta por neurnios que apresentam funes de ativao lineares ou no-lineares, dependendo do tipo de aplicao;
camada de contexto:camada de contexto: composta por neurnios que apenas memorizam as ativaes dos neurnios da camada intermediria, operando como atrasadores de um instante de tempo.
camada de entrada:camada de entrada: composta por neurnios sensoriais que recebem um sinal externo e o propagam sem alter-lo;
camada de sacamada de sada:da: composta por neurnioslineares cujas sadas so somas ponderadas
de seus respectivos sinais de entrada;
Rede Elman
-
15
Mar 200629
Inteligncia ComputacionalInteligncia Computacional
Rede Elman
Mar 200630
Inteligncia ComputacionalInteligncia Computacional
Rede Elman
-
16
Mar 200631
Inteligncia ComputacionalInteligncia Computacional
Linearidade na camada de saLinearidade na camada de sadada ::
( ) waw biHi
i kky 00)( +=Ao se efetuar a primeira iteraAo se efetuar a primeira iterao (o (kk=1) =1) conveniente fixar os valores iniciais conveniente fixar os valores iniciais das sadas sadas dos neurnios escondidos e de sadas dos neurnios escondidos e de sada (da (kk=0), assim:=0), assim:
( )( ) 00
,00
==
y
hja j
S na primeira iterao a rede atuar como se no fosse recorrente
biasbias
Rede Elman
Mar 200632
Inteligncia ComputacionalInteligncia Computacional
Algoritmo de aprendizado:Algoritmo de aprendizado: Retro-propagao Padro
O nmero de sinapses aumenta na camada escondida:
Na rede deNa rede de ElmanElman::(#neur._cam._escondida) (# de_entradas + #neur._cam._escondida)
Exemplo: a rede possui 10 entradas externas e 30 neurnios na camadaescondida,
a rede Elman teria (30)(10+30+1)=1230 sinapses entre a camada de entrada e a camada escondida. (Considerando o bias)
Rede Elman
-
17
Mar 200633
Inteligncia ComputacionalInteligncia Computacional
CaracterCaracterstica principalstica principalMemria flexvel, memria infinita ou limitada ao nmero dedados disponveis para a entrada da rede.
Rede Elman
Considerando somente uma entrada externa x, camada intermediria linear e uma sada y. A sada na etapa de
generalizao ser dada por:
Mar 200634
Inteligncia ComputacionalInteligncia Computacional
Perceptron de Mltiplas Camadas RecorrentesRede Jordan
-
18
Mar 200635
Inteligncia ComputacionalInteligncia Computacional
A sada da rede copiada para unidade de contexto.
A diferena em termos de topologia para a Rede Elman que a recorrncia na rede Elman feita a partir da camada escondida, enquanto na rede de Jordan a recorrncia feita a partir da camada de sada.
Rede Jordan
Mar 200636
Inteligncia ComputacionalInteligncia Computacional
Tem uma ou mais camadas escondidas.Cada uma das camadas tem realimentao global
Rede de Mltiplas Camadas Recorrentes
-
19
Mar 200637
Inteligncia ComputacionalInteligncia Computacional
xi(n) representa a sada da primeira camada ocultaxii(n) representa a sada da segunda camada oculta:x0(n) representa a sada da camada de sadau(n) representa a entrada
( ) ( )( )( ) ( )( )( ) ( )( )1,
1,
,
00)1(0
)1(
)1(
+
+
=+
=+
=+
nn
nn
nun
xxx
xxxxx
Kn
IIIIInII
IInI
Onde representa as funes de ativaes e k representa o nmero
de camadas ocultas da rede.
Rede de Mltiplas Camadas Recorrentes
O comportamento dinmico da rede descrito pelo seguinte sistema de equao:
Mar 200638
Inteligncia ComputacionalInteligncia Computacional
A rede tem 2 entradas e 3 neurnios de estado, necessitando assim de 3 x 2 = 6 multiplicadores.
Rede Recorrente de Segunda Ordem
Z-1
Z-1
Z-1
ui(n)
u2(n)Pesos de segunda ordem
Sadax1(n)
x2(n)
x3(n)
Multiplicadores
Atrasos unitrios
Neurniosx3(n-1)
x2(n-1)
x1(n-1)
-
20
Mar 200639
Inteligncia ComputacionalInteligncia Computacional
O netO net vvkk combinado utilizandocombinado utilizando--se multiplicase multiplicaes, como es, como mostrado por :mostrado por :
uxwv jii j kijk =refererefere--se ao neurnio como um neurnio de segunda ordem. se ao neurnio como um neurnio de segunda ordem. O neurnio de segunda ordem k utiliza um O neurnio de segunda ordem k utiliza um nico peso, nico peso, wwkjikji, , que o conecta aos nque o conecta aos ns de entrada i e j.s de entrada i e j.
Rede Recorrente de Segunda Ordem
Mar 200640
Inteligncia ComputacionalInteligncia Computacional
( ) ( ) ( )nnn uxwbv jii j kijkk 1+= SeqSeqncia Temporalncia Temporal
ee ( )( )( )( )n
n
v
vx
k
kInk
+==
exp
)(
11
Onde Onde vvkk net do neurnio k,net do neurnio k,bbkk o o bias bias associado, associado, xxkk(n) (n) o estado (sao estado (sada) do neurnio k,da) do neurnio k,uujj(n) (n) a entrada aplicada ao na entrada aplicada ao nfonte j e fonte j e wwkijkij o peso do neurnioo peso do neurniode segunda ordem.de segunda ordem.
Rede Recorrente de Segunda Ordem