matlab - unemat – campus...
TRANSCRIPT
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Toolbox de Redes Neurais
1º Semestre de 2017
Prof. Dr. André A. P. Biscaro
MATLAB
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Introdução ao Matlab Linha de comando
NNTool
Estudo de Casos Análise de Crédito Bancário (Classificação).
Localização de Faltas (Inferência).
Sensação Térmica (Previsão).
Toolbox de Redes Neurais
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Introdução ao Matlab Linha de comando
NNTool
Estudo de Casos Análise de Crédito Bancário (Classificação).
Localização de Faltas (Inferência).
Sensação Térmica (Previsão).
Toolbox de Redes Neurais
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
MATLAB MATrix LABoratory
Programação baseada em Matrizes
Vetores e escalares são tratados como matrizes (1xN, Nx1, NxN)
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Tela Principal
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Tela Principal
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Tela Principal
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Tela Principal
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Tela Principal
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Janelade
Comando
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Matrizes no Matlab
Quadro “Melancholia I”, do artista alemão e matemático amador Albrecht Dürer
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Quadrado Mágico
Matriz NxN construída a partir de inteiros de 1 a N2 em que as somas das colunas são iguais às somas das linhas.
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Quadrado Mágico
Matriz NxNconstruída a partirde inteiros de 1 aN2 em que as somasdas colunas sãoiguais às somas daslinhas.
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Definindo uma Matriz
Explicitamente
•Elementos de uma linha são separados por espaços ouvírgulas.
•O final de cada linha é indicado por um ponto-e-vírgula.
•A lista de elementos é delimitada por colchetes [ ].
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Janelade
Comando
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Janelade
Comando
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Toolbox de Redes Neurais
Introdução ao Matlab Linha de comando
NNTool
Estudo de Casos Análise de Crédito Bancário (Classificação).
Localização de Faltas (Inferência).
Sensação Térmica (Previsão).
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Passos para a criação de uma RN
Definição do problema
Definição dos padrões
Inicialização da rede
Definição dos parâmetros de treinamento
Treinamento da rede
Teste da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Passos para a criação de uma RN
Definição do problema
Definição dos padrões
Inicialização da rede
Definição dos parâmetros de treinamento
Treinamento da rede
Teste da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Definição do problema
O problema do OU-Exclusivo
x
1
x
2 ‘0’
‘1’
Passos para a criação de uma RN
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Passos para a criação de uma RN
Definição do problema
Definição dos padrões
Inicialização da rede
Definição dos parâmetros de treinamento
Treinamento da rede
Teste da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Definição dos Padrões
x
1
x
2 ‘0’
‘1’
O problema do OU-Exclusivo
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
# linhas = # de variáveis# colunas = # de padrões
x
1
x
2 ‘0’
‘1’
O problema do OU-Exclusivo
Definição dos Padrões
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
x
1
x
2 ‘0’
‘1’
O problema do OU-Exclusivo
Definição dos Padrões
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Passos para a criação de uma RN
Definição do problema
Definição dos padrões
Inicialização da rede
Definição dos parâmetros de treinamento
Treinamento da rede
Teste da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Inicialização da rede
Perceptron:
ou
ou
net =
newff( P, padrões entrada
T, targets
N_hid camadas escondidas );
net =
newff( P, padrões entrada
T targets );
net =
newp( P, padrões entrada
T targets );
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Perceptron:
ou
ou
net =
newff( P, padrões entrada
T, targets
N_hid camadas escondidas );
net =
newff( P, padrões entrada
T targets );
net =
newp( P, padrões entrada
T targets );
Inicialização da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
MLP:
net =
newff( P, padrões entrada
T, targets
{H1..Hn-1}, camadas escondidas
{TF1..TFn}, func. transf.
BTF, alg. treinamento
BLF alg. aprendizado);
Inicialização da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
MLP:
Funções de Transferência:
net =
newff(P, padrões entrada
T, targets
{H1..Hn-1}, camadas escondidas
{TF1..TFn}, func. transf.
BTF, alg. treinamento
BLF alg. aprendizado);
Inicialização da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
MLP:
Algoritmos de Treinamento:
net =
newff(P, padrões entrada
T, targets
[H1..Hn-1], camadas escondidas
{TF1..TFn}, func. transf.
BTF, alg. treinamento
BLF alg. aprendizado);
• traingd Gradient descent backpropagation
traingdm Gradient descent backpropagation
com momentum
traingda Gradient descent backpropagation
com taxa adaptativa
traingdx Gradient descent backpropagation
com momentum e taxa adaptativa
trainlm Levenberg-Marquardt
backpropagation (default)
trainrp Resilient backpropagation (Rprop)
Inicialização da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
MLP:
Algoritmos de Aprendizado:
net =
newff( P, padrões entrada
T, targets
{H1..Hn-1}, camadas escondidas
{TF1..TFn}, func. transf.
BTF, alg. treinamento
BLF alg. aprendizado);
• learngd Gradient descent weight and bias learning
function
• learngdm Gradient descent with momentum weight
and bias learning function
Inicialização da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Passos para a criação de uma RN
Definição do problema
Definição dos padrões
Inicialização da rede
Definição dos parâmetros de treinamento
Treinamento da rede
Teste da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Parâmetros de Treinamento
net.trainParam.epochs
net.trainParam.goal
net.trainParam.lr
net.trainParam.show
net.trainParam.mc
net.trainParam.lr_inc
net.trainParam.lr_dec
net.trainParam.max_perf_inc
Número de epochs
Erro final desejado
Taxa de aprendizado
Atualização da tela
(epochs)
Taxa de momentum
Taxa de incremento
da l.r.
Taxa de decremento
da l.r.
Incremento máximo
do erro
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Divide vectors into three sets using specified indices.
net.divideFcn = 'divideind';net.divideParam.trainInd = indTreino;net.divideParam.valInd = indValidacao;net.divideParam.testInd = indTeste;
Divide vectors into three sets using random indices.
net.divideFcn = 'dividerand';net.divideParam.trainRatio: 0.6000;net.divideParam.valRatio: 0.2000;net.divideParam.testRatio: 0.2000;
Divide vectors into three sets using blocks of indices.
net.divideFcn = 'divideblock';net.divideParam.trainRatio: 0.6000;net.divideParam.valRatio: 0.2000;net.divideParam.testRatio: 0.2000;
net.divideFcn = '';
Parâmetros de Treinamento (early stopping)
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Passos para a criação de uma RN
Definição do problema
Definição dos padrões
Inicialização da rede
Definição dos parâmetros de treinamento
Treinamento da rede
Teste da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Treinando a rede
net = train(net, P, T);
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Treinando a rede
net = train(net, P, T);
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Passos para a criação de uma RN
Definição do problema
Definição dos padrões
Inicialização da rede
Definição dos parâmetros de treinamento
Treinamento da rede
Teste da rede
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Testando a rede
C = sim(net, P);
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Perceptronbásico
: Rede neural com apenas uma camada de processadores
M-file desenvolvida para o XOR
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Multi-layerPerceptron
: Rede neural com umacamada escondida deprocessadores (Multi-LayerPerceptron);
TAXA de APRENDIZADO CONSTANTE, sem
MOMENTUM
M-file desenvolvida para o XOR
UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT
Faculdade de Ciências Exatas e Tecnológicas – FACET / Sinop
Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS (Práticas de Laboratório - Matlab)
Multi-layerPerceptron
: Rede neural com umacamada escondida deprocessadores (Multi-LayerPerceptron);
TAXA ADAPTATIVA e MOMENTUM
M-file desenvolvida para o XOR