Redes Neurais Artificiais (RNA): Estudo de Caso

Apresentação em tema: "Redes Neurais Artificiais (RNA): Estudo de Caso"— Transcrição da apresentação:

1 Redes Neurais Artificiais (RNA): Estudo de Caso
Disciplina: Inteligência Artificial CONTEÚDO (1) Estudos de Caso (2) Função AND (3) Reconhecer dois caracteres (4) Análise de Crédito

2 (1) Estudos de Caso Iremos estudar a aprendizagem, usando um Perceptron de um único neurônio, em 3 situações diferentes: Função OR Reconhecer um caractere T e um H Classificar um indivíduo como ‘Bom’ e ‘Mau’ pagador

3 Para realizar o treinamento em cada caso, lembre-se das fórmulas:
(1) Estudos de Caso Para realizar o treinamento em cada caso, lembre-se das fórmulas: Soma Ponderada = Se (Soma Ponderada>=0), então y(t) = 1 Se (Soma Ponderada<0), então y(t) = 0 e(t) = d(t) – y(t) w(t+1) = w(t)+η*e(t)*x(t) ∑ xiwi i = 1 n Função de Ativação Passo

4 (1) Estudos de Caso Escreva uma tabela contendo as colunas dos parâmetros da rede, para que você consiga realizar o treinamento passo-a-passo Entradas Pesos Somatório Saída Desejada Erro Correção do Erro x1 x2 w1 w2 ∑(xi*wi) y(t) d(t) d(t)-y(t) w1(t+1) w2(t+1) Tempo 1 2 3 4 5 6 7 8 Dica: construa essa tabela no excel, para simular a fase treinamento

5 (2) Função OR: treinamento
Dados os pares e entradas-saídas abaixo: Monte a topologia da Rede, e realize o aprendizado, usando os parâmetros abaixo: Número de camadas: 1 Número de neurônios: 1 Função de Ativação: passo Conexões feedforward Taxa de aprendizagem (η): 0.1 Número de ciclos: 2 x1 x2 Saída 1

6 (2) Função OR: teste Depois de realizar o treinamento, você irá realizar a fase de teste Essa fase é parecida com a anterior, porém: Você já possui a rede treinada, ou seja, possui os pesos Para realizar seus testes, utilize os mesmo parâmetros Número de camadas: 1 Número de neurônios: 1 Função de Ativação: passo Pesos: pegue os últimos pesos do seu treinamento A B C D 1 X1 X2 Saída da Rede 2 3 4 0.6

7 (3) Reconhecimento de 2 caracteres
Dadas as representações de um T e um H, crie os pares de entrada e saída dessa rede. Em seguida, monte a topologia da Rede, e realize o aprendizado, usando os parâmetros abaixo: Número de camadas: 1 Número de neurônios: 1 Função de Ativação: passo Conexões feedforward Taxa de aprendizagem (η): 0.1 Número de ciclos: 2 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8

8 (4) Análise de Crédito A partir dos dados abaixo sobre bons e maus pagadores: Monte a topologia da Rede, e realize o aprendizado, usando os parâmetros abaixo: Número de camadas: 1 Número de neurônios: 1 Função de Ativação: passo Conexões feedforward Taxa de aprendizagem (η): 0.1 Número de ciclos: 2 Idade Renda Filhos Sexo CLASSE 25 R$ 1.400,00 1 M BOM (1) 50 R$ 3.800,00 F MAU (0) 36 R$ ,00 8 18 R$ 600,00 2 Normalize As entradas