Sumário

Preâmbulo 11

1 Introdução 131.1 Contexto............. 131.2 Aprendizagem Computacional . 14

1.2.1 Tipos de Aprendizagem 161.2.2 Pré-processamento dos Dados 181.2.3 Avaliação dos Algoritmos 201.2.4 Resolução de Problemas de Engenharia 241.2.5 Software Proposto ao Longo do Livro 241.2.6 Organização do Livro. . . . . . . . . 26

2 Redes Neuronais 292.1 Introdução............ 292.2 eurónios............ 342.3 Topologias de Redes Neuronais 36

2.3.1 Redes Feed-forward . . 372.4 Algoritmos de Aprendizagem. . 39

2.4.1 Regra de Hebb ... . . 402.4.2 Regra Delta (Widrow-Hoff) 402.4.3 Algortimo de Aprendizagem do Perceptrão 412.4.4 Regra Delta Generalizada (Least Mean Squares) 432.4.5 BackPropagation 44

2.5 Aplicações.................. 472.5.1 Labor - Weka . . . . . . . . . . . . 472.5.2 Classificação de Imagens de Flores 562.5.3 Breast Cancer - Matlab ..... 602.5.4 Desafios para o Leitor Interessado 68

5

6 SUMÁRIO

2.5.5 Resolução de Alguns Desafios . . . . . . . . . . . . . . 72

3 Árvores de Decisão 753.1 Introdução . 753.2 Representação de uma Árvore de Decisão . 763.3 Construção de uma Árvore de Decisão 80

3.3.1 Critérios para a Escolha de um Atributo 813.3.2 Entropia . 833.3.3 Ganho de Informação . 843.3.4 Critérios de Paragem 90

3.4 Aplicações 903.4.1 Jogar Golfe com Weka 913.4.2 Iris com Weka . 943.4.3 Iris com Matlab . 98

3.5 Desafios para o Leitor Interessado 1003.6 Resolução de Alguns Desafios 102

4 k-Nearest Neighbors 1054.1 Introdução. 1054.2 Algoritmo kNN 107

4.2.1 Definição do Número de Vizinhos 1084.2.2 Medidas de Distância . 1094.2.3 Determinação da Classe 109

4.3 Aplicações 1104.3.1 Iris . 1114.3.2 Flores 112

4.4 Desafios para o Leitor Interessado 1144.5 Resolução de Alguns Desafios 116

5 k-M eans Clustering 1175.1 Introdução . 1175.2 Algoritmo k-means clustering 119

5.2.1 Medidas de Similaridade 1225.2.2 Determinação do Valor de k 1225.2.3 Afinação dos Centróides 1235.2.4 Limitações . 124

5.3 Tópicos Avançados 1245.4 Aplicações 126

SUMÁRIO 7

5.4.1 Exemplo Base .5.4.2 Iris.............

5.5 Desafios para o Leitor Interessado5.6 Resolução de Alguns Desafios ..

126128134135

6 Aprendizagem não Supervisionada6.1 Introdução .6.2 Redes de Aprendizagem Competitiva

6.2.1 Clustering de Dados6.2.2 Função de Custo .

6.3 Redes Auto-Organizativas .6.3.1 Mapas Topológicos .6.3.2 Arquitetura de uma Rede de Kohonen6.3.3 Vizinhança nas Redes de Kohonen6.3.4 Algoritmo de Kohonen ..6.3.5 Mapas Topológicos .

6.4 Aplicações das Redes de Kohonen . . . . .6.4.1 Reconhecimento de Formas e Cores - Flores6.4.2 Análise de Risco Financeiro

6.5 Desafios para o Leitor Interessado6.6 Resolução de Alguns Desafios .

139139141141145146

. 147149149150151153153159161163

7 Máquinas de Vetores de Suporte7.1 Introdução .7.2 Algoritmo Base .7.3 SVM de Margem Rígida7.4 SVM de Margem Suave.7.5 Truque Kernel (kernel trick)7.6 Aplicação a Regressão .7.7 Aplicações .

7.7.1 Classificação de Texto: Reuters-21578 .7.7.2 Diabetes .7.7.3 Abalone .

7.8 Desafios para o Leitor Interessado

169169171172173175176177177180183186

8 Comités8.1 Introdução.8.2 Boosting..

189189

. 192

8

8.3 Bagging . . . .8.4 Random Forests8.5 Aplicações ...

8.5.1 Comités com Weka8.5.2 Comités com Matlab

8.6 Desafios para o Leitor Interessado8.7 Resolução de Alguns Desafios

9 Sistemas Difusos9.1 Introdução .9.2 Lógica Difusa .

9.2.1 Conjuntos Difusos .9.2.2 Funções de Pertença9.2.3 Tipos de Funções de Pertença9.2.4 Suporte de um Conjunto Difuso9.2.5 Conjunto de Corte .9.2.6 Variáveis e Termos Linguísticas9.2.7 Operações Lógicas sobre Conjuntos Difusos .

9.3 Computação com Regras IF ...THEN9.3.1 Proposições Difusas ..9.3.2 Significado das Regras9.3.3 Iris .

9.4 Sistemas de Inferência Difusos9.4.1 Fuzificação .9.4.2 Mecanismo de Inferência9.4.3 Método Máximo dos Mínimos9.4.4 Desfuzificação .

9.5 Implementação de Sistemas de Inferência Difusos9.5.1 Abordagem Convencional .9.5.2 Abordagem Difusa .9.5.3 Construção do Sistema de Inferência .9.5.4 Visualização do Sistema de Inferência .

9.6 Utilização do Matlab .9.7 Vantagens dos Sistemas Difusos ..9.8 Aplicações .9.9 Desafios Para o Leitor Interessado.9.10 Resolução de Alguns Desafios . . .

SUMÁRIO

193194196196

· 203· 206· 208

211· 211· 212· 213214215218221221

· 223· 224· 225· 225· 226· 228· 230· 232· 232· 233· 237· 237· 238· 239· 241· 241· 241· 244· 245· 250

SUMÁRIO 9

10 Algoritmos Genéticos10.1 Introdução . . . .10.2 Origens .10.3 Bases Biológicas ..

10.3.1 Terminologia10.4 Componentes de um Algoritmo Genético10.5 Codificação de Problemas10.6 Operadores Genéticos.

10.6.1 Seleção .....10.6.2 Recombinação .10.6.3 Mutação

10.7 Avaliação .10.8 Aplicações . . . . . . .

10.8.1 Otimização de uma Função Simples10.8.2 Problema do Caixeiro Viajante (TSP)

10.9 Desafios para o Leitor Interessado .

261· 261· 263.264· 265· 266· 267· 268· 268· 270· 272· 273· 276· 276· 279· 281