A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

III Simpósio Brasileiro de Engenharia de Avaliações Redes Neurais Artificiais: Fundamentos e Aplicação na Previsão de Séries Temporais Prof. Dr. Cairo.

Apresentações semelhantes


Apresentação em tema: "III Simpósio Brasileiro de Engenharia de Avaliações Redes Neurais Artificiais: Fundamentos e Aplicação na Previsão de Séries Temporais Prof. Dr. Cairo."— Transcrição da apresentação:

1 III Simpósio Brasileiro de Engenharia de Avaliações Redes Neurais Artificiais: Fundamentos e Aplicação na Previsão de Séries Temporais Prof. Dr. Cairo L. Nascimento Jr. Divisão de Engenharia Eletrônica Instituto Tecnológico de Aeronáutica Home Page:

2 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Problema atacado: –assumindo-se que existe a relação não- linear y = f(x), onde a função f é desconhecida, –conhecendo-se N pontos de pares (x,y), –deseja-se reconstruir a função f. Reconstrução de hipersuperfícies

3 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Abordagem Linear: Abordagem Neural:

4 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Modelo Linear com q saídas:

5 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Modelo Neural com q saídas:

6 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Parâmetros do modelo linear: –w 1 até w p, –total: P+1 parâmetros Parâmetros do modelo neural: –função g (ex. tangente hiperbólica) –h 1 até h M, ; para cada h i : w i1 até w ip, i –total: M (P+1) + 1

7 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Cada unidade da camada escondida implementa um hiperplano. As funções AND e OR não precisam de camada escondida e são ditas funções linearmente separáveis. A função XOR não é linearmente separável.

8 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Funções OR, AND e XOR:

9 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais XOR:

10 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais XOR:

11 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais XOR com ligação direta entrada-saída:

12 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Princípio do método para obtenção dos pesos a partir dos N pares (x,y): –selecionar um par (x,y) do conjunto de treinamento, –calcular este x a saída da RNA = y RNA, –calcular E = y - y RNA, –alterar o peso na direção que diminui E 2.

13 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Problema de Reconhecimento de Imagens Ruidosas

14 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Abordagem Neural:

15 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Abordagem Linear:

16 RNAs: Fundamentos e Aplicação na Previsão de Séries Temporais Abordagem Neural:

17 Como Tornar uma Máquina Inteligente Entertainment Robot AIBO (http://www.aibo.com)

18 Como Tornar uma Máquina Inteligente Inteligência das máquinas atuais Estudo da Inteligência Tipos e Medição de Inteligência –Humana, Animal, das Máquinas, –Extra-terrestre

19 Como Tornar uma Máquina Inteligente Comportamento Inteligente –Importante para Competição (Seleção Natural) –Adaptação (mudanças no meio-ambiente) –Reconhecimento de Padrões (visão, fala, diagnóstico de falhas/doenças, aplicações financeiras) –Planejamento (Modelos, Otimização) e Auxílio a Tomada de Decisões –Cooperação e Comunicação com outros indivíduos

20 Como Tornar uma Máquina Inteligente Exemplos de desenvolvimento de Equipamento Inteligente no ITA

21 Como Tornar uma Máquina Inteligente Exemplos de desenvolvimento de Equipamento Inteligente no ITA

22 Como Tornar uma Máquina Inteligente Exemplos de desenvolvimento de Equipamento Inteligente no ITA

23 Como Tornar uma Máquina Inteligente X O

24

25 Redes Neurais

26 Como Tornar uma Máquina Inteligente Conclusões Estamos aos poucos aumentando o nível de inteligência das nossas máquinas. Área altamente multi-disciplinar e desafiadora.

27 Como Tornar uma Máquina Inteligente Conclusões Aplicações extremamente práticas. Alguns exs: –classificação de empresas de telecomunicações, –classificação de sinais eletrocardiográficos, –temporarização de semafóros de tráfego urbano, –otimização de sequências de montagens, –previsão de preços de produtos Grandes benefícios para a indústria nacional.

28 Como Tornar uma Máquina Inteligente Para mais detalhes: Livro Inteligência Artificial em Controle e Automação, 2000 Cairo L. Nascimento Jr. e Takashi Yoneyama Ed. Edgard Blücher e FAPESP


Carregar ppt "III Simpósio Brasileiro de Engenharia de Avaliações Redes Neurais Artificiais: Fundamentos e Aplicação na Previsão de Séries Temporais Prof. Dr. Cairo."

Apresentações semelhantes


Anúncios Google