Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouMarcos Belém Lencastre Alterado mais de 8 anos atrás
1
Treinamento Quando são criadas, as RNA ainda não são capazes de resolver os problemas, elas precisam ser treinadas, ensinadas, do mesmo jeito que as pessoas, através de exemplos. Chama-se treinamento “supervisionado”, um tipo de treinamento em que um agente externo, o supervisor, fornece exemplos à rede e verifica se a saída que ela produz tem erros. Esses erros são usados para corrigir a rede, e um novo exemplo é usado, e assim por diante.
2
Os exemplos fornecidos são entradas para as quais são conhecidas as saídas corretas, e assim pode-se determinar o erro cometido pela rede. Esses exemplos formam o que se chama “conjunto de treinamento”. Após todo o conjunto ter sido usado, a soma dos erros cometidos pela rede, em valor absoluto (módulo) é verificada para ver se a rede já parou totalmente de cometer erros, isto é, a soma é zero, ou os erros estão abaixo de um limite máximo considerado aceitável.
3
Se os erros ainda são altos, o mesmo conjunto de treinamento é reutilizado, e processo se repete, até que a rede seja considerada treinada e pronta para ser usada. Vejamos o caso de um neurônio artificial do tipo MPC. As entradas x i são usadas junto com seus respectivos pesos w i para calcular uma soma que é aplicada numa função de ativação para ser produzido o valor de uma saída y.
4
Cada entrada tem um valor de saída correto e desejado d. O erro, ou desvio, cometido pelo neurônio é dado pela diferença entre d e y. Este foi o caso de um exemplo fornecido ao neurônio. Porém, o conjunto de treinamento pode ter muitos exemplos de entradas, e cada um deles é usado em um instante t do treinamento.
5
Logo, podemos considerar o erro a cada instante de treinamento: Este erro será usado para ajustar o valor dos pesos w i que multiplicam das entradas x i, antes que um próximo exemplo seja usado.
6
Assim, a cada instante t do treinamento, nós ajustamos os valores dos pesos e calculamos seus valores para o instante t+1. A fórmula é: O valor de η é deve estar entre 0 e 1 e serve para controlar a intensidade da alteração no valor do peso, e a velocidade do treinamento. Este fator η é chamado “coeficiente de aprendizagem”.
7
Devemos lembrar que o valor do limite θ da função escada do neurônio MCP também não é conhecido previamente e deve também ser calculado. Para tanto, podemos considerar o valor de θ como sendo o “peso” de uma entrada de valor fixo -1. Isto porque a função de ativação pode ser escrita com o valor desse limite antes da desigualdade:
8
X0X1X2X3X4d -0,10,4-0,7-1,81 0,10,2-0,3-0,90 Vamos supor um neurônio MCP com 4 entradas (x 1 até x 4 ) e um valor fixo -1 que será chamado x 0, e cujo peso será o parâmetro θ que será chamado w 0. O conjunto de treinamento será : Então, o valor de θ também reajustado com ajuda dos valores dos erros. Para iniciar o processo, os valores dos pesos e de θ podem ser escolhidos aleatoriamente.
9
W0=tetaW1W2W3W4 00000 0,05-0,005-0,010,0150,045 0-0,010,01-0,02-0,045 0,05-0,0150-0,0050 0-0,020,02-0,04-0,09 0,05-0,0250,01-0,025-0,045 Começando o treinamento com valores zerados para os pesos e para teta, e η =0,05 teremos os seguintes cálculos:
10
Veja abaixo os cálculos numa planilha:
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.