Grupo: Marcelo Costa de Lima Silas Ferreira Gomes Pedrosa Vítor Queiroz Albuquerque Projeto de Sistemas Inteligentes Classificação de Padrões Técnica Escolhida:

Slides:



Advertisements
Apresentações semelhantes
Agenda Introdução Justificativa Objetivo Detecção de Spam
Advertisements

Atividade de água e estabilidade dos alimentos
Projeto de Extensão Observadores Mirins METEOR LOGIA CEFET-RJ Alunos:
FRENTES FRIAS E ONDA DE LESTE.
Redes industriais – conceitos Aula 04
Aspectos de Implementação do Algoritmo Backpropagation
Atmosfera e climatologia
AULA 03 PERCEPTRON SIMPLES.
CLIMA NO BRASIL.
Aprendizado de Máquina
CLIMA URBANO DE PRESIDENTE PRUDENTE/SP
Os climas no mundo (1ª parte)
Modelagem e Simulação de Sistemas Ambientais
Germano C. Vasconcelos Centro de Informática - UFPE
Inteligência Artificial
Inteligência Artificial
Massas de ar e Classificação Climática
UNIVERSIDADE DE SÃO PAULO DEPARTAMENTO DE GEOGRAFIA Disciplina: FLG CLIMATOLOGIA I CONCEITOS INICIAIS Professor: Emerson Galvani.
Convecção Forçada Propriedades Físicas Constantes
TENDÊNCIAS CLIMÁTICAS Fórum Agronômico/OCEPAR Setembro/2012 Luiz Renato Lazinski Meteorologista MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO INSTITUTO.
CLIMAS BRASILEIROS.
INF 1771 – Inteligência Artificial
CICLONE?? OU FURACÃO! ULBRA SÃO JOÃO.
RN Seleção Temas Projetos Formação de equipes e procedimentos Equipes de 1 a 3 componentes Equipe precisa deixar clara a participação/responsabilidades.
Inteligência Artificial Redes Neurias
Importância e Uso da Rede Agrometeorológica no Estado de São Paulo: INFOSECA Centro de Monitoramento e Mitigação de Seca e Adversidades Hidrometeorológicas.
Redes Neurais - Cross-Selling
PROJETO DE REDES NEURAIS Leyla Manoella (lmmrl) Thiago Henrique (thfp)
ANÁLISE PLUVIOMÉTRICA MESES DE JANEIRO E FEVEREIRO RIO GRANDE DO NORTE SETOR DE METEOROLOGIA DA EMPARN.
INSTITUTO TECNOLÓGICO DE PERNAMBUCO – ITEP
Georgia Codato Grupo de Micrometeorologia
Clima e suas características
Redes Neurais Prof. Alex F. V. Machado.
Aprendizado de Máquina
Fernando Valeriano de Almeida Lins. Problema  PAKDD 2007  Dados reais de uma companhia financeira  padrões de entrada sendo de uma classe.
Aprendizado de Máquina - Introdução
Redes Neuronais/Neurais/ Conexionistas Introdução
Rede de Sensores para Medição de Temperatura e Umidade
ATMOSFERA COMPOSIÇÃO: 78% Nitrogênio 21% Oxigênio 1% Outros gases
Gerência de Monitoramento e Hidrometria – GEMOH/AESA
Sistemas Baseados em Aprendizado (Aprendizado de Máquina)
RNA – Radial Basis Function
Indices de Conforto Térmico
Redes Neurais Artificiais. Introdução RNA são modelos matemáticos que se assemelham às estruturas neurais biológicas Capacidade computacional adquirida.
Mineração de Dados: Classificação e Predição
José Reinaldo Lemes Júnior Orientador: Prof. Wilian Soares Lacerda.
Universidade Federal de Lavras Departamento de Ciência da Computação
REUNIÃO REGIONAL NORDESTE João Pessoa, 04 de outubro de 2011 ESPAÇO DIMEL Reestruturação da Dimel Temas diversos (premio metrologia, interlocutor p/ NIE,
Banco de dados do projeto MilênioLBA Análise, tratamento e disponibilização O uso da informática é fundamental para o desenvolvimento dos projetos de pesquisas.
REUNIÃO REGIONAL SUDESTE São Paulo, 13 de setembro de 2011 ESPAÇO DIMEL Reestruturação da Dimel Temas diversos (premio metrologia, interlocutor p/ NIE,
Biometria Reconhecimento de Assinaturas
Redes Neurais Treinamento de MLP. Treinamento Divisão das entradas Parâmetros de treinamento –350 iterações –Nº de nós da camada interna (26, 46, 92)
Atmosfera, clima e tempo.
Luana Bezerra Batista Redes Neurais Luana Bezerra Batista
Revisão de Sistemas Inteligentes
Introdução à Inteligência Artificial Prof. Cláudio M. N. A. Pereira.
Propostas de Projeto Eduardo Maia da Fonte- Ismar Pereira Braga Neto – Silas Ferreira Gomes Pedrosa -
Inteligência Artificial
Modelos Hidrológicos EHD222 - Modelagem Hidrológica Aplicada
GEOGRAFIA – PROF. LISI TURMA 101 / 2015.
PROTOCOLOS ALUNOS: HUDSON JOSÉ WASHINGTON VITÓRIA GABRIEL KURIYAMA THIAGO SANTOS CAROLINA LIMA Professor: Alcebíades Lôbo.
©2005 Germano C.Vasconcelos Projeto da Disciplina Germano C. Vasconcelos Centro de Informática - UFPE.
Parâmetros do clima Regimes de Temperatura Regimes de Precipitação Classificação do Climas.
Objetivo Este projeto destina-se ao estudo e à elaboração de modelos neurais artificiais, com o auxílio do programa Matlab. O objetivo principal deste.
INTERTROPICAL Temperada MEC MEAMEA MEA MTC MPA INVERNO.
MATEMÁTICA I Professor: Marcelo Silva Natal - RN, junho de 2013.
ATMOSFERA Diferença entre tempo e clima – Definição – Função – Composição – Camadas – Dinâmica.
Erros de medição.
Professor Alencar de Sá
Transcrição da apresentação:

Grupo: Marcelo Costa de Lima Silas Ferreira Gomes Pedrosa Vítor Queiroz Albuquerque Projeto de Sistemas Inteligentes Classificação de Padrões Técnica Escolhida: Redes Neurais (RN)

Tema: Ocorrência de chuva no litoral nordestino Parâmetros: Temperatura, Umidade e Pressão Dados baseados no portal INMET (Instituto Nacional de Meteorologia) Tema: Ocorrência de chuva no litoral nordestino Parâmetros: Temperatura, Umidade e Pressão Dados baseados no portal INMET (Instituto Nacional de Meteorologia)

Taxa de aprendizado em 0.1 Com 1 Unidade Intermediária Com 10 Unidades Intermediárias Com 20 Unidades Intermediárias

Taxa de aprendizado em 0.05 Com 1 Unidade Intermediária Com 10 Unidades Intermediárias Com 20 Unidades Intermediárias

Desempenho das 2 melhores redes Com taxa de erro 0.1 e uma Unidade Intermediária: MSE = Com taxa de erro 0.1 e vinte Unidades Intermediárias: MSE = Com taxa de erro 0.1 e uma Unidade Intermediária: MSE = Com taxa de erro 0.1 e vinte Unidades Intermediárias: MSE =

FIM