redes neurais artificiais vitor almeida. o que são redes neurais composição de elementos simples...

Download Redes Neurais Artificiais Vitor Almeida. O que são redes neurais Composição de elementos simples agindo em paralelo. Inspiração biológica – NEURÔNIOS

Post on 22-Apr-2015

104 views

Category:

Documents

1 download

Embed Size (px)

TRANSCRIPT

  • Slide 1
  • Redes Neurais Artificiais Vitor Almeida
  • Slide 2
  • O que so redes neurais Composio de elementos simples agindo em paralelo. Inspirao biolgica NEURNIOS. A funo simulada pela rede determinada pelos pesos entre os neurnios.
  • Slide 3
  • Tem que se treinar a rede! Normalmente, o treinamento feito apresentando a rede vrios vetores de entrada e cada uma de suas sadas desejadas (TREINAMENTO SUPERVISIONADO).
  • Slide 4
  • + Treinamento O treinamento pode ser do tipo BATCH ou ON-LINE. O treinamento pode ser NO- SUPERVISIONADO.
  • Slide 5
  • A pouco tempo atrs...
  • Slide 6
  • Neurnios
  • Slide 7
  • Funes de ativao
  • Slide 8
  • Neurnio com um vetor de entradas
  • Slide 9
  • Uma camada de neurnios
  • Slide 10
  • Vrias camadas de neurnios
  • Slide 11
  • O Perceptron
  • Slide 12
  • Regras de Aprendizado Uma regra de aprendizado o procedimento para modificar os pesos e bias de uma rede. No caso do aprendizado supervisionado uma srie de exemplos e respectivas sadas desejadas apresentado a rede. Assim, um exemplo apresentado a rede e sada da rede comparada com a sada desejada, caso no sejam iguais, os pesos e bias so ajustados para aproximar a sada da rede sada desejada.
  • Slide 13
  • Regra de treinamento do Perceptron (Delta Rule) Para cada exemplo apresentado ao Perceptron: Caso 1: se a sada obtida for igual a desejada, os pesos (matriz W) no so alterados. Caso 2: se a sada obtida for 1 e a desejada 0, os valores de P so adicionados a W. Caso 3: se a sada obtida for 0 e a desejada 1, os valores de P so subtrados de W. Ou seja: W = erro * P A medida que os exemplos so apresentados rede e os pesos ajustados, o Perceptron passa a resolver corretamente todos os exemplos.
  • Slide 14
  • Backpropagation ou Retropropagao Generalizao da regra de aprendizado de Widrow-Holf para redes com vrias camadas e funes de ativao diferenciveis e no lineares. Redes com bias, uma camada sigmide e uma camada de sada linear podem aproximar qualquer funo com um nmero finito de descontinuidades. Assim, aps treinamento uma rede MLP-BP responde razoavelmente bem entradas cujas sadas desejadas no foram apresentadas a rede.
  • Slide 15
  • O processo para construir e fazer funcionar uma MLP-BP Separe os dados de treinamento. Crie a rede.Treine a rede. Simule as respostas da rede a novos inputs.
  • Slide 16
  • Arquitetura
  • Slide 17
  • Como treinar? Forward: Um exemplo apresentado a camada de entrada. O sinal percorre as camadas escondidas. Em cada camada, cada neurnio gera sua sada que servir de entrada para os neurnios da camada subsequente. As sadas produzidas pela ltima camada so comparadas s sadas desejadas. Backward: A partir da ltima camada at a camada de entrada: Os neurnios da camada atual ajustam seus pesos de forma a reduzir seus erros. Os erros dos neurnios das camadas intermedirias so calculados a partir dos erros dos neurnios da camada subseqente ponderados pelos pesos das conexes entre eles. Duas Fases:
  • Slide 18
  • Aplicaes Reconhecimento de imagens classicao de caracteres reconhecimento de assinaturas reconhecimento de faces Reconhecimento de sons classicao de fonemas reconhecimento de comandos Classicao nanceira anlise de crdito anlise de investimentos previso e falncia de empresas
  • Slide 19
  • + Aplicaes Anlise de clulas cancergenas Diagnstico de doenas Predio de casos de dengue a partir de sries histricas Reconhecimento de cadeias de nucleotdeos
  • Slide 20
  • Xiscano A idia inicial seria usar uma rede neural artificial no lugar das regras de mudana de estado dos autmatos celulares. Dificuldades: treinamento da rede, onde conseguir uma srie histrica para treinar a rede? Resoluo: Buscar bases de dados alternativas. Uma idia: Previso da incidncia de dengue por bairro em Jaboato. Cada bairro seria uma clula!
  • Slide 21
  • Xiscano Outro caminho: Entender como funcionam os autmatos hoje em funcionamento no Xiscano! Da ou implementar a idia de usar redes neurais no lugar das regras... Ou tentar implementar redes neurais para fazer o que os autmatos fazem e comparar. Finalmente tentar entender o que uma cellular neural network, que uma rede neural baseada nos autmatos celulares.

Recommended

View more >