Carregar apresentação
1
REDES NEURAIS ARTIFICIAIS
Prof. Chico Pinto
2
REDES NEURAIS ARTIFICIAIS
Uma grande caminhada sempre começa com o primeiro passo
3
Redes Neurais Biológica
1011 neurônios interconectados (cérebro) 104 conexões para cada neurônio Algumas estruturas neurais nascem com a gente, outras são estabelecidas por experiência
4
Redes Neurais Biológica
As funções biológicas dos neurônios são armazenadas neles e nas conexões Aprender é um processo de estabelecimento de novas conexões ou modificações das existentes
5
Redes Neurais Biológica
Dendrito carrega o sinal elétrico para o núcleo da célula principal, que soma e limiariza todos os sinais e os enviam pelo axônio e dendritos provocando uma conexão (sinapse). Cada sinapse tem um determinado peso
6
Redes Neurais Biológica
Embora os neurônios serem bem mais lentos do que os circuitos elétricos (1:106), o cérebro é capaz de realizar muitas tarefas bem mais rápido que qualquer computador convencional. Umas das causas é devido à estrutura da rede neural ser “massivamente” paralela.
7
Rede Neural Artificial - RNA
Modelo simplificado (mas útil) do que acontece no cérebro Inicio, como ciência nos anos 40 (McCulloch & Pitts, 1943)
8
Rede Neural Artificial - RNA
Nos anos 80 constatou-se a sua aplicabilidade devido ao desenvolvimento de algoritmos para “treinamento” e computadores velozes.
9
Exemplos de Aplicações de RNA
Piloto automático Leitora de cheques e outros documentos Direção de bombas Visão artificial Análise de células cancerosas Reconhecimento de voz …
10
Modelo de Um Neurônio c/ Uma Entrada
p = entrada w = sinapse (peso) b = “bias” n = entrada da rede (“net input”) f = função de ativação a = saída w n a p f b 1 a=f(n) = f(wp+b)
11
Funções de Ativação Folha a parte Hagan et al. (1996) pg 2-6
12
Um Neurônio c/ Múltiplas Entradas
Cuspe e giz
13
Um Neurônio c/ Múltiplas Entradas
W=[w1,1 w1,2 w1,3 ... w1,R] Nomenclatura para a matriz dos pesos: wi,j i = neurônio de destino; j = neurônio do sinal
14
Uma Rede c/ Uma Camada de 2 Neurônios
Giz e Cuspe
15
Uma Rede c/ Uma Camada de 2 Neurônios
16
Uma RN 4-2-2 Cuspe e …
17
Rede Neural RN com mais de uma camada é mais poderoso que uma RN com uma camada Por exemplo, uma RN x-y-z com funções sigmoides na camada escondida “y” e com funções lineares na camada de saída “z”, pode aproximar a maioria das funções.
18
????? RN ????? Qual a arquitetura da RN ? Quantas camadas ? Quantos neurônios em cada camada ? Qual a função de ativação ? A priori o treinamento não se pode definir !!! O que é treinamento (aprendizado)? Ajuste dos parâmetros livres para que a RN realize desejada tarefa ! Utilizando “learning rule” !
19
Backpropagation Algorithm
Retropropagação do erro Possibilitou o treinamento de redes neurais com mais de uma camada 1980’s RN com uma camada (perceptron) só serve para problemas linearmente discriminantes
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.