Multi-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Multi-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons"

Transcrição

1 Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Back Propagation Multi-Layer Perceptrons Redes de apenas uma camada só representam funções linearmente separáveis Redes de múltiplas camadas solucionam essa restrição Multi-Layer Perceptrons Rede de 3 camadas: 5 / 5 / 3 / 4 Multi-Layer Perceptrons Redes de apenas uma camada só representam funções linearmente separáveis Redes de múltiplas camadas solucionam essa restrição O desenvolvimento do algoritmo Back Propagation foi um dos motivos para o ressurgimento da área de Redes Neurais 1

2 Back Propagation O grande desafio foi achar um algoritmo de aprendizado para a atualização dos pesos das camadas intermediárias. Idéia Central: Os erros dos elementos processadores da camada de saída (conhecidos pelo treinamento supervisionado) são retro-propagados para as camadas intermediárias x 1 Padrão de x 2 Entrada: vetor X Back Propagation Modelo básico do Neurônio Artificial: x i +1 w j1 w j2 w ji Bias = θ j net j s j Back Propagation Back Propagation Características Básicas: Regra de Propagação net j = Σ x i.w ji + θ j Função de Ativação Função Não-Linear Linear, diferenciável em todos os pontos. Topologia Múltiplas camadas. Algoritmo de Aprendizado Supervisionado Valores de Entrada/Saída Binários e/ou Contínuos Topologia: Entrada Camadas Escondidas Camada de Saída PE j 2

3 Processo de minimização do erro quadrático pelo método do Gradiente Decrescente w ji = -η δe δw ji Cada peso sináptico i do elemento processador j é atualizado proporcionalmente ao negativo da derivada parcial do erro deste processador com relação ao peso. Na verdade, deve-se minimizar o erro de todos os processadores da camada de saída, para todos os padrões Usa-se o E SSE Sumum of Squared Errors E SSE Sum of Squared Errors E SSE = 1 Σ p Σ j (t pj -s pj ) 2 2 t pj = valor desejado de saída do padrão p para o processador j da camada de saída s pj = estado de ativação do processador j da camada de saída quando apresentado o padrão p E SSE Sum of Squared Errors Vantagem: os erros para diferentes padrões, para diferentes saídas são INDEPENDENTES 3

4 Cálculo de w ji w ji = -η δe p = - η δe p δnet j δw ji δnet j δw ji e j = - δe p δnet j w ji = η. e j. s i net j = Σ s i.w ji + θ j e j = - δe p δnet j Cálculo de e j Depende da camada à qual o processador j pertence: δe p = δe p. δs j δnet j δs j δnet j Se j Camada de Saída Se j Camada de Saída F (net s j = F(net Cálculo de e j j Camada de Saída Cálculo de e j j Camada Escondida e j = - δe p δnet j E p =Σ j 1 (t j - s 2 2 δe p = δe p. δs j δnet j δs j δnet j [ 2. 1 (t( j - s.(-1)] 2 F (net s j = F(net e j = - [ - (t j - s ]. F (net = (t j -s F (net e j = - δe p δnet j E p = f(s =? δe p = δe p. δs j δnet j δs j δnet j F (net s j = F(net 4

5 Cálculo de e j j Camada Escondida Cálculo de e j j Camada Escondida Pelo aprendizado supervisionado, só se conhece o erro na camada de saída ( ); Erro na saída ( ) é função do potencial interno do processador (net k ); O net k depende dos estados de ativação dos processadores da camada anterior (s e dos pesos das conexões (w k; Portanto, s j de uma camada escondida afeta, em maior ou menor grau, o erro de todos os processadores da camada subsequente. Processador j da camada escondida F(net) w j1 s j w j2 sj s j w jk PE 2 e 2 Cálculo de e j j Camada Escondida e j = - δe p δnet j δe p = δe p. δs j δnet j δs j δnet j Após o cálculo da derivada, tem-se: δ E p = δ [ 1 Σ k (t k -s k ) 2 ] δs j δs j 2 = 2. 1 [ Σ k (t k -s k ) ].(-1). δs k 2 δs j = - [ Σ k (t k -s k ) ]. F (net k ). δnet k δs j e j = - {- Σ k. w jk }. F (net e j = F (net. Σ k. w kj F (net s j = F(net w ji = η.s i.e j Onde: s i valor de entrada recebido pela conexão i e j valor calculado do erro do processador j 5

6 Cálculo do Erro (e( Cálculo do Erro (e( Processador j pertence à Camada de Saída: e j = (t j -s. F (net Processador j da camada de saída Processador j pertence à Camada Escondida: e j = (Σ.w k. F (net w 1j s i w ji F(net) saída: s j Valor desejado de saída: t j s i w ji Processador j da camada escondida F(net) w 2j e 2 w kj PE 2 O algoritmo Back Propagation tem portanto duas fases, para cada padrão apresentado: Feed-Forward Forward as entradas se propagam pela rede, da camada de entrada até a camada de saída. Feed-Backward os erros se propagam na direção contrária ria ao fluxo de dados, indo da camada de saída até a primeira camada escondida. Fas: Feed-Forward Entrada Valor de entrada 2 Camadas Escondidas Fluxo de Dados Camada de Saída 6

7 Fas: Feed-Forward Fluxo de Dados Fas: Feed-Forward Fluxo de Dados Entrada 2 Camadas Escondidas Camada de Saída Entrada 2 Camadas Escondidas Camada de Saída Valor de entrada Valor de entrada Fas: Feed-Forward Entrada Fluxo de Dados 2 Camadas Escondidas Camada de Saída Cálculo do erro da camada de saída Valor alvo t 1 s 1 t 2 s 2 t m s m Valor de entrada e m = (t( m -ss m ). F (net) F 7

8 Atualização dos pesos da camada de saída Cálculo do erro da 2 camada escondida w 11 w w 21 m1 e1 t 1 s 1 w 11 w w 21 m1 e1 t 1 s 1 t 2 t 2 s 2 s 2 e e m m e m t m s m e e m m e m t m s m w mk e m w mk e m w mk = η.s k.e m = (Σ e m.w mk ).F (net).w mk ). Atualização dos pesos da 2 camada escondida Cálculo do erro da 1 camada escondida w 1 1 e PE w e w 1 w 31 k1 w 11 w 21 w w 31 k1 w ki ek w ki = η.s i. w ki ek e i = (Σ.w ki ).F (net).w ki ). 8

9 Atualização dos pesos da 1 camada escondida w ji = η.s i.e j e1 e1 w w j1 j2 w j3 e e j w ji j e j PE j e j Este procedimento de aprendizado é repetido diversas vezes, até que, para todos os processadores da camada de saída e para todos os padrões de treinamento, o erro seja menor do que o especificado. Algoritmo de Aprendizado Inicialização: pesos iniciados com valores aleatórios e pequenos ( w 0.1) Treinamento: Loop até que o erro de cada processador de saída seja tolerância, para todos os padrões do conjunto de treinamento. Aplica-se um padrão de entrada X i com o respectivo vetor de saída Y i desejado. Calcula-se as saídas dos processadores, começando da primeira camada escondida até a camada de saída. Calcula-se o erro para cada processador da camada de saída. Se erro tolerância, para todos os processadores, volta ao passo. Calcula a variação dos pesos de cada processador, começando pela camada de saída, até a primeira camada escondida. Volta ao passo Avaliação do Algoritmo Foi demonstrado que a Multi-Layer Perceptron é um Aproximador Universal, isto é, pode representar qualquer função. O BP é o algoritmo de Redes Neurais mais utilizado em aplicações práticas de previsão, classificação e reconhecimento de padrões em geral. 9

10 Capacidade das MLP Capacidade das Multi-Layer Perceptrons (MLP) Mostrou-se que 2 camadas escondidas são suficientes para representar regiões de qualquer tipo. Cybenko 88 Continuos valued neural networks with two hidden layers are sufficient, Technical report, Department of Computer Science, Tufts University, Lippmann 87 An Introduction to Computing with Neural Networks, ASSP Magazine, pp. 4-22, April Capacidade das MLP AND OR Capacidade das MLP Demonstrou-se que as Multi-Layer Perceptrons com uma camada escondida são Aproximadores Universais (funções contínuas). capacidade de aproximar, com precisão arbitrária, essencialmente qualquer mapeamento contínuo nuo do hipercubo [-1, +1] no intervalo (-1, +1). Cybenko 89 Approximation by superpositions of a Sigmoidal Function, Mathematics of Control, Signals and Systems, 2,

11 BP / Aproximador Universal É somente uma prova de existência, não garantindo que: uma única camada é ótimo em termos de tempo; que é de fácil implementação; nem que um determinado algoritmo de otimização irá encontrar a necessária configuração de pesos sinápticos. BP / Aproximador Universal Verificou-se que o erro decresce na ordem de O( 1/ N ), conforme o número N de padrões aumenta. Verificou-se também que o erro decresce na ordem de O( 1/ M ) em função do número M de processadores escondidos. Rule of Thumb N > O( Mp / ε ) onde N= # de padrões; M = # de processadores escondidos; p = dimensão da entrada (Mp # de parâmetros); ε = erro mínimo desejado. 11

Algoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental

Algoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square Back Propagation Formas de Aprendizado Existe dois métodos básicos de aplicação do algoritmo Back Propagation: Aprendizado

Leia mais

Algoritmos de Aprendizado. CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico. Regra de HEBB.

Algoritmos de Aprendizado. CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico. Regra de HEBB. CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado

Leia mais

3 Redes Neurais Artificiais

3 Redes Neurais Artificiais 3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida

Leia mais

Redes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação

Redes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas

Leia mais

UM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA

UM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA UM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA SOUZA, REGIANE MÁXIMO YOSHINO, RUI TADASHI HANISC,H, WERNER SIEGFRIED ETO, REGINA FUMIE Palavras-chaves: Artificial Neural

Leia mais

4 Redes Neurais Artificiais

4 Redes Neurais Artificiais 4 Redes Neurais Artificiais Inteligência computacional pode ser definida como um conjunto de modelos, algoritmos, técnicas, ferramentas e aplicações em sistemas computadorizados que emulem características

Leia mais

serotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina

serotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina Redes Neurais O modelo biológico O cérebro humano possui cerca 100 bilhões de neurônios O neurônio é composto por um corpo celular chamado soma, ramificações chamadas dendritos (que recebem as entradas)

Leia mais

Inteligência Artificial. IA Conexionista: Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis. Renan Rosado de Almeida

Inteligência Artificial. IA Conexionista: Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis. Renan Rosado de Almeida Inteligência Artificial IA Conexionista: Redes Neurais Artificiais Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis Renan Rosado de Almeida rralmeida@inf.ufrgs.br Perceptron de Múltiplas Camadas

Leia mais

SCC Capítulo 5 Perceptron Multicamadas

SCC Capítulo 5 Perceptron Multicamadas Introdução Back-propagation (BP) MLPs Convolução SCC-5809 - Capítulo 5 Perceptron Multicamadas João Luís Garcia Rosa 1 1 SCC-ICMC-USP - joaoluis@icmc.usp.br 2011 João Luís G. Rosa c 2011 - SCC-5809: Redes

Leia mais

INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos

Leia mais

Redes Neurais Artificiais. Professor: Juan Moises Villanueva

Redes Neurais Artificiais. Professor: Juan Moises Villanueva Redes Neurais Artificiais Mestrando: Lucas Nicolau Email: lucasfnicolau@gmail.com Professor: Juan Moises Villanueva Sumário 1. Sistemas Inteligentes 2. Introdução as Redes Neurais Artificias Neurônio Biológico

Leia mais

REDES NEURAIS. É um conjunto complexo de células que determina o funcionamento e comportamento dos seres vivos. Sua unidade fundamental é o neurônio

REDES NEURAIS. É um conjunto complexo de células que determina o funcionamento e comportamento dos seres vivos. Sua unidade fundamental é o neurônio REDES NEURAIS Sistema Nervoso 2 O que é? É um conjunto complexo de células que determina o funcionamento e comportamento dos seres vivos Engloba o cérebro Sua unidade fundamental é o neurônio Se diferencia

Leia mais

Sistemas Inteligentes

Sistemas Inteligentes Sistemas Inteligentes UNIDADE 5 Redes Neurais Artificiais (Perceptron Multicamadas Conceitos) Prof. Ivan Nunes da Silva. Rede Perceptron Multicamadas Aspectos de arquitetura Redes Perceptron de Múltiplas

Leia mais

Multi-Layer. Perceptron. Sumário. Aplicações de Redes Neurais. Previsão de Séries Temporais. Aplicações de Previsão

Multi-Layer. Perceptron. Sumário. Aplicações de Redes Neurais. Previsão de Séries Temporais. Aplicações de Previsão Aplicações de Redes Neurais Multi-Layer Perceptron Previsão de Séries Temporais Inferência da Qualidade de Produtos de Destilação (Soft Sensors) Classificação de Imagens Determinação da Carga Limite em

Leia mais

Inteligência Computacional

Inteligência Computacional Inteligência Computacional INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Na Aula Passada... O que é uma

Leia mais

PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL

PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL Juliana A. ANOCHI 1, Sabrina B. M. SAMBATTI 1, Eduardo F. P. da LUZ 1, Haroldo F. de CAMPOS VELHO 1 Instituto Nacional de Pesquisas Espaciais - INPE

Leia mais

Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação

Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME 1 Conceitos básicos Naive Bayes K-vizinhos mais

Leia mais

Protótipo de Software para Reconhecimento de Impressões Digitais

Protótipo de Software para Reconhecimento de Impressões Digitais Protótipo de Software para Reconhecimento de Impressões Digitais Aluno: Alex Sandro da Silva Orientador: Paulo de Tarso Mendes Luna Semestre - 99/1 Roteiro da Apresentação INTRODUÇÃO CONCEITOS BÁSICOS

Leia mais

Professor José Gomes de Carvalho Jr. Modelos Conexionistas - Redes Neurais 1 INTRODUÇÃO

Professor José Gomes de Carvalho Jr. Modelos Conexionistas - Redes Neurais 1 INTRODUÇÃO Modelos Conexionistas - Redes Neurais 1 INTRODUÇÃO Redes Neurais Artificiais ou simplesmente Redes Neurais (também conhecidas como modelos conexionistas) têm sido, ao longo dos últimos anos, uma área de

Leia mais

3 Modelos Comparativos: Teoria e Metodologia

3 Modelos Comparativos: Teoria e Metodologia 3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito

Leia mais

Uso de Redes Neurais Artificiais na Determinação dos Zeros de Funções Polinomiais

Uso de Redes Neurais Artificiais na Determinação dos Zeros de Funções Polinomiais Revista Tecnologias em Proeção v n p 8-5 dez 8 Uso de Redes Neurais Artificiais na Determinação dos Zeros de Funções Polinomiais Ircílio Chissolucombe Resumo A Inteligência Artificial tem sido muito utilizada

Leia mais

Paradigmas de Aprendizagem

Paradigmas de Aprendizagem Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Paradigmas de Aprendizagem Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com

Leia mais

Inteligência Artificial Redes Neurais Artificiais

Inteligência Artificial Redes Neurais Artificiais Pós-Graduação em Engenharia Elétrica Inteligência Artificial Redes Neurais Artificiais João Marques Salomão Rodrigo Varejão Andreão Arquitetura e composição das RNAs Uma rede neural artificial é composta

Leia mais

ESTUDO DA INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS DA CALDEIRA DE RECUPERAÇÃO SOBRE A GERAÇÃO DE VAPOR UTILIZANDO REDES NEURAIS ARTIFICIAIS

ESTUDO DA INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS DA CALDEIRA DE RECUPERAÇÃO SOBRE A GERAÇÃO DE VAPOR UTILIZANDO REDES NEURAIS ARTIFICIAIS ESTUDO DA INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS DA CALDEIRA DE RECUPERAÇÃO SOBRE A GERAÇÃO DE VAPOR UTILIZANDO REDES NEURAIS ARTIFICIAIS Gustavo Matheus de Almeida 1, Marcelo Cardoso 1, Éder Domingos de

Leia mais

Um Sistema Distribuído para Treinamento de Redes Neurais

Um Sistema Distribuído para Treinamento de Redes Neurais Um Sistema Distribuído para Treinamento de Redes Neurais JOSÉ REINALDO LEMES JÚNIOR UFLA - Universidade Federal de Lavras DCC Departamento de Ciência da Computação Cx Postal 3037 CEP 37200-000 Lavras (MG)

Leia mais

Introdução às Redes Neurais Artificiais. Eduardo Simas

Introdução às Redes Neurais Artificiais. Eduardo Simas Introdução às Redes Neurais Artificiais Eduardo Simas (eduardo.simas@ufba.br) Sumário O que são as Redes Neurais Artificiais? Para que servem? Processamento da Informação Tipos de Redes Neurais Modos de

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Introdução às Redes Neurais Artificiais DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos

Leia mais

ESTIMATIVA DE RADIAÇÃO SOLAR NA REGIÃO DO MACIÇO DE BATURITÉ: ABORDAGEM VIA REDES NEURAIS ARTIFICIAIS.

ESTIMATIVA DE RADIAÇÃO SOLAR NA REGIÃO DO MACIÇO DE BATURITÉ: ABORDAGEM VIA REDES NEURAIS ARTIFICIAIS. ESTIMATIVA DE RADIAÇÃO SOLAR NA REGIÃO DO MACIÇO DE BATURITÉ: ABORDAGEM VIA REDES NEURAIS ARTIFICIAIS. Arini de Menezes Costa 1, Kaio Martins Ramos 2, Hugo Hermano da Costa Castro 3, Antonio Alisson P.

Leia mais

3 Aprendizado por reforço

3 Aprendizado por reforço 3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina

Leia mais

SELEÇÃO DE CARACTERÍSTICAS DE DADOS UTILIZANDO REDES NEURAIS ARTIFICIAIS

SELEÇÃO DE CARACTERÍSTICAS DE DADOS UTILIZANDO REDES NEURAIS ARTIFICIAIS ÁLVARO HENRIQUE NOGUEIRA DE LIMA SELEÇÃO DE CARACTERÍSTICAS DE DADOS UTILIZANDO REDES NEURAIS ARTIFICIAIS LAVRAS MG 2012 ÁLVARO HENRIQUE NOGUEIRA DE LIMA SELEÇÃO DE CARACTERÍSTICAS DE DADOS UTILIZANDO

Leia mais

Rede Neural Artificial Aplicada em um Reconhecimento Automático de Voz Independentemente do Locutor

Rede Neural Artificial Aplicada em um Reconhecimento Automático de Voz Independentemente do Locutor PAPER 131 Rede Neural Artificial Aplicada em um Reconhecimento Automático de Voz Independentemente do Locutor Luiz Eduardo da SILVA 1, Germano LAMBERT-TORRES 2, Wagner S. VIEIRA 2, Ciro R. SANTOS 2, Rômulo

Leia mais

Redes Neurais Artificiais

Redes Neurais Artificiais Redes Neurais Artificiais André Ricardo Gonçalves andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric Sumário 1 Redes Neurais Artificiais p. 3 1.1 Inspiração Biológica..............................

Leia mais

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 20 - Backroagation Introdução Redes de uma camada resolvem aenas roblemas linearmente searáveis Solução: utilizar mais de uma camada Camada 1: uma

Leia mais

DESEMPENHO DO ALGORÍTMO DE BACKPROPAGATION COM A FUNÇÃO DE ATIVAÇÃO BI-HIPERBÓLICA

DESEMPENHO DO ALGORÍTMO DE BACKPROPAGATION COM A FUNÇÃO DE ATIVAÇÃO BI-HIPERBÓLICA September 4-8, DESEMPENHO DO ALGORÍTMO DE BACKPROPAGATION COM A FUNÇÃO DE ATIVAÇÃO BI-HIPERBÓLICA Geraldo Miguez COPPE / PESC, Universidade Federal do Rio de Janeiro, Brasil geraldomiguez@gmail.com Nelson

Leia mais

FABIANO CORDEIRO MOREIRA

FABIANO CORDEIRO MOREIRA 1 FABIANO CORDEIRO MOREIRA RECONHECIMENTO E CLASSIFICAÇÃO DE PADRÕES DE IMAGENS DE NÚCLEOS DE LINFÓCITOS DO SANGUE PERIFÉRICO HUMANO COM A UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS FLORIANÓPOLIS - SC 2002

Leia mais

Soluções de Equações Diferenciais Usando Redes Neurais de Múltiplas camadas com os métodos da Descida mais íngreme e Levenberg-Marquardt.

Soluções de Equações Diferenciais Usando Redes Neurais de Múltiplas camadas com os métodos da Descida mais íngreme e Levenberg-Marquardt. UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA E ESTATÍSTICA Brigida Cristina Fernandes Batista Soluções de Equações Diferenciais Usando Redes

Leia mais

Inteligência Artificial

Inteligência Artificial Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Mapas Auto-Organizáveis Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia

Leia mais

ESTUDO DE ALGORITMO MLP COMO APROXIMADOR DE FUNÇÃO

ESTUDO DE ALGORITMO MLP COMO APROXIMADOR DE FUNÇÃO Congresso Técnico Científico da Engenharia e da Agronomia CONTECC 2016 Rafain Palace Hotel & Convention Center- Foz do Iguaçu - PR 29 de agosto a 1 de setembro de 2016 ESTUDO DE ALGORITMO MLP COMO APROXIMADOR

Leia mais

ESTUDO COMPARATIVO DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS

ESTUDO COMPARATIVO DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS ESTUDO COMPARATIVO DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS David Gabriel de Barros Franco Pontifícia Universidade Católica do Paraná david.barros@pucpr.br Maria Teresinha

Leia mais

MODELO DE PREVISÃO DE DEMANDA BASEADO EM REDES NEURAIS: OTIMIZANDO A CADEIA DE SUPRIMENTOS

MODELO DE PREVISÃO DE DEMANDA BASEADO EM REDES NEURAIS: OTIMIZANDO A CADEIA DE SUPRIMENTOS MODELO DE PREVISÃO DE DEMANDA BASEADO EM REDES NEURAIS: OTIMIZANDO A CADEIA DE SUPRIMENTOS Área temática: Gestão da Produção Ramon Cunha de Farias ramoncfarias@gmail.com Giovane Quadrelli Giovane.quadrelli@ucp.br

Leia mais

UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO O USO DE REDES NEURAIS ARTIFICIAIS NA PREVISÃO DE TENDÊNCIAS NO MERCADO DE AÇÕES DISSERTAÇÃO SUBMETIDA À UFPE PARA

Leia mais

4 ANÁLISE DE SÉRIES TEMPORAIS

4 ANÁLISE DE SÉRIES TEMPORAIS 4 ANÁLISE DE SÉRIES TEMPORAIS 4.1. Introdução Neste capítulo definem-se as séries temporais e discutem-se as características básicas das técnicas de análise, com enfoque nos modelos de Box & Jenkins (1970)

Leia mais

Uma Introdução a SVM Support Vector Machines. Obs: Baseada nos slides de Martin Law

Uma Introdução a SVM Support Vector Machines. Obs: Baseada nos slides de Martin Law Uma Introdução a SVM Support Vector Machines Obs: Baseada nos slides de Martin Law Sumário Historia das SVMs Duas classes, linearmente separáveis O que é um bom limite para a decisão? Duas classes, não

Leia mais

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS Alexandre Pinhel Soares 1 André Pinhel Soares 2 Abstract : The temperature monitoring is a quasi-continuous and judicious task that gives a

Leia mais

RECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS

RECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS 1 RECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS Giovanni Crestan Leonardo Enomoto Araki Thiago Antonio Grandi De Tolosa Wânderson de Oliveira Assis Wilson Carlos Siqueira Lima Júnior IMT Instituto Mauá

Leia mais

Uso de Redes Neurais Artificiais na Descoberta de Conhecimento a partir de Dados e Imagens de Sensores

Uso de Redes Neurais Artificiais na Descoberta de Conhecimento a partir de Dados e Imagens de Sensores Uso de Redes Neurais Artificiais na Descoberta de Conhecimento a partir de Dados e Imagens de Sensores Clodis Boscarioli 1,2, Leandro Augusto da Silva 2, Emílio Del Moral Hernandez 2 {boscarioli, leandro,

Leia mais

Híbrido Baseado em Rede e Colônia de Formigas

Híbrido Baseado em Rede e Colônia de Formigas Um Sistema Híbrido Baseado em Rede Neural e Colônia de Formigas Trabalho de Conclusão de Curso Engenharia da Computaçãoo Aluno: Saulo Medeiros de Oliveira Corrêa dos Santos Orientador: Prof. Dr. Mêuser

Leia mais

Keywords: neural networks; Gross Domestic Product; Artificial Intelligence. 1. Introdução

Keywords: neural networks; Gross Domestic Product; Artificial Intelligence. 1. Introdução DETERMINAÇÃO DO PRODUTO INTERNO BRUTO ATRAVÉS DOS PADRÕES DE CONSUMO E PRODUÇÃO DE ENERGIA UTILIZANDO REDES NEURAIS ARTIFICIAIS: UMA PROPOSTA DE ESTUDO PARA A AMÉRICA LATINA Maurílio Benite Bolsista do

Leia mais

INTELIGÊNCIA ARTIFICIAL Redes Neurais - Algumas ideias Redes Neurais e Reconhecimento de Padrões

INTELIGÊNCIA ARTIFICIAL Redes Neurais - Algumas ideias Redes Neurais e Reconhecimento de Padrões Redes Neurais e Reconhecimento de Padrões Reconhecimento de Padrões - Conceituação O que é padrão? O que é representação? Beale e Jackson ([BEA91]) voltam a atenção para o termo padrão e procuram realçar

Leia mais

REGRESSÃO LOGÍSTICA E REDES NEURAIS ARTIFICIAIS:UM PROBLEMA DE ESTRUTURA DE PREFERÊNCIA DO CONSUMIDOR E CLASSIFICAÇÃO DE PERFIS DE CONSUMO

REGRESSÃO LOGÍSTICA E REDES NEURAIS ARTIFICIAIS:UM PROBLEMA DE ESTRUTURA DE PREFERÊNCIA DO CONSUMIDOR E CLASSIFICAÇÃO DE PERFIS DE CONSUMO REGRESSÃO LOGÍSTICA E REDES NEURAIS ARTIFICIAIS:UM PROBLEMA DE ESTRUTURA DE PREFERÊNCIA DO CONSUMIDOR E CLASSIFICAÇÃO DE PERFIS DE CONSUMO Alexandre Zanini TD. Mestrado em Economia Aplicada FEA/UFJF 007/2007

Leia mais

Emails: slsnazario@aluno.feis.unesp.br, hcbo@cin.ufpe.br, kitano@dee.feis.unesp.br, jacira@agr.feis.unesp.br, tokio@dee.feis.unesp.

Emails: slsnazario@aluno.feis.unesp.br, hcbo@cin.ufpe.br, kitano@dee.feis.unesp.br, jacira@agr.feis.unesp.br, tokio@dee.feis.unesp. CLASSIFICAÇÃO DO TEOR DE GORDURA EM LEITE UHT UTILIZANDO TÉCNICAS DE ULTRA-SOM E REDES NEURAIS EM FUNÇÃO DA TEMPERATURA Sérgio Luiz Sousa Nazario, Humberto Cesar Brandao de Oliveira, Claudio Kitano, Jacira

Leia mais

Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si

Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação de Dados Os modelos de classificação de dados são preditivos, pois desempenham inferências

Leia mais

MODELAGEM NEURAL DE UM PROCESSO DE PRODUÇÃO DE PELOTAS DE MINÉRIO DE FERRO (1)

MODELAGEM NEURAL DE UM PROCESSO DE PRODUÇÃO DE PELOTAS DE MINÉRIO DE FERRO (1) MODELAGEM NEURAL DE UM PROCESSO DE PRODUÇÃO DE PELOTAS DE MINÉRIO DE FERRO (1) Alessandro Marques Monteiro (2) Antônio de Pádua Braga (3) Bernardo Penna Resende de Carvalho (4) RESUMO: Este trabalho apresenta

Leia mais

REDES NEURONAIS Conceitos. Jorge M. Santos

REDES NEURONAIS Conceitos. Jorge M. Santos REDES NEURONIS Conceitos Jorge M. Santos jms@isep.ipp.pt Definição e enquadramento histórico neural network is a massively parallel distributed processor made up of simple processing units that has a natural

Leia mais

AVALIAÇÃO DE CONFIGURAÇÕES DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DO CONSUMO DE ENERGIA DE SISTEMAS DE CLIMATIZAÇÃO

AVALIAÇÃO DE CONFIGURAÇÕES DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DO CONSUMO DE ENERGIA DE SISTEMAS DE CLIMATIZAÇÃO UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA MECÂNICA AVALIAÇÃO DE CONFIGURAÇÕES DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DO CONSUMO DE ENERGIA DE SISTEMAS DE CLIMATIZAÇÃO

Leia mais

Ambiente MATLAB. Redes Neurais. Tela Principal do MATLAB MATLAB 6.5. MATLAB MATrix LABoratory. Programação baseada em Matrizes

Ambiente MATLAB. Redes Neurais. Tela Principal do MATLAB MATLAB 6.5. MATLAB MATrix LABoratory. Programação baseada em Matrizes Redes Neurais MATLAB 6.5 Ambiente MATLAB MATLAB MATrix LABoratory Programação baseada em Matrizes Vetores e escalares também podem ser considerados matrizes, xn, Nx, x Tela Principal do MATLAB Tela Principal

Leia mais

imarag: Um algoritmo baseado em Sistemas Imunológicos Artificiais para treinamento de redes MLP

imarag: Um algoritmo baseado em Sistemas Imunológicos Artificiais para treinamento de redes MLP Trabalho de Conclusão de Curso Engenharia da Computação imarag: Um algoritmo baseado em Sistemas Imunológicos Artificiais para treinamento de redes MLP Gilliard Alan de Melo Lopes Orientador: Prof. Dr.

Leia mais

II. Funções de uma única variável

II. Funções de uma única variável II. Funções de uma única variável 1 II.1. Conceitos básicos A otimização de de funções de de uma única variável consiste no no tipo mais elementar de de otimização. Importância: Tipo de problema encontrado

Leia mais

INTELIGÊNCIA COMPUTACIONAL E REDES NEURAIS EM ENGENHARIA ELÉTRICA

INTELIGÊNCIA COMPUTACIONAL E REDES NEURAIS EM ENGENHARIA ELÉTRICA INTELIGÊNCIA COMPUTACIONAL E REDES NEURAIS EM ENGENHARIA ELÉTRICA Prof. Emílio Del Moral Hernandez Dep. de Eng. de Sistemas Eletrônicos PSI-EPUSP emilio_del_moral@ieee.org www.lsi.usp/~emilio PSI-2222

Leia mais

PROTÓTIPO DE UMA APLICAÇÃO PARA AUXÍLIO NA GERAÇÃO DE LAUDOS MÉDICOS A PARTIR DO RECONHECIMENTO DE PALAVRAS FALADAS UTILIZANDO REDES NEURAIS

PROTÓTIPO DE UMA APLICAÇÃO PARA AUXÍLIO NA GERAÇÃO DE LAUDOS MÉDICOS A PARTIR DO RECONHECIMENTO DE PALAVRAS FALADAS UTILIZANDO REDES NEURAIS UNIVERSIDADE DO PLANALTO CATARINENSE DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE SISTEMAS DE INFORMAÇÃO (BACHARELADO) JUNIOR STURM PROTÓTIPO DE UMA APLICAÇÃO PARA AUXÍLIO NA GERAÇÃO DE LAUDOS

Leia mais

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO PROCESSO DE PRECIFICAÇÃO DE AÇÕES

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO PROCESSO DE PRECIFICAÇÃO DE AÇÕES UNIVERSIDADE FEDERAL DE PELOTAS INSTITUTO DE FÍSICA E MATEMÁTICA CURSO DE BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO MARÍLIA TERRA DE MELLO APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO PROCESSO DE PRECIFICAÇÃO

Leia mais

ESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS

ESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS ESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS Samuel Vieira DIAS (1); Geraldo Luis Bezerra RAMALHO (2); (1) Instituto Federal de Educação, Ciência

Leia mais

3 INTERVALOS DE CONFIANÇA

3 INTERVALOS DE CONFIANÇA 3 INTEVALOS DE CONFIANÇA 3.1 Introdução A estimativa de intervalos de confiança é utilizada para se obter medidas de incerteza dos dados analisados. A análise da incerteza de uma previsão, por exemplo,

Leia mais

Utilização de Redes Neurais Artificiais para Interpolação de Resultados do Método de Elementos Finitos

Utilização de Redes Neurais Artificiais para Interpolação de Resultados do Método de Elementos Finitos Utilização de Redes Neurais Artificiais para Interpolação de Resultados do Método de Elementos Finitos Leandro M. de Souza Resumo Neste artigo, é proposta uma metodologia que utiliza Redes Neurais Artificiais

Leia mais

READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING

READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING Fernanda Maria Sirlene READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING NIPS Workshop on Deep Learning and Unsupervised

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS.

CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. A. B. B. GIOPATTO 1, E. A. SILVA 2, T. D. MARTINS 1 1 Universidade Federal de São Paulo, Departamento

Leia mais

EXPANSÃO DO MÓDULOS DE REDES NEURAIS DO GNU OCTAVE

EXPANSÃO DO MÓDULOS DE REDES NEURAIS DO GNU OCTAVE 1 UNIVERSIDADE FEDERAL DE SANTA CATARINA BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO Matheus Braun Magrin EXPANSÃO DO MÓDULOS DE REDES NEURAIS DO GNU OCTAVE Monografia submetida à Universidade Federal de Santa

Leia mais

Reconhecimento de Caracteres Manuscritos Utilizando Redes Neurais Artificiais

Reconhecimento de Caracteres Manuscritos Utilizando Redes Neurais Artificiais UniCEUB Centro Universitário de Brasília FAET Faculdade de Ciências Exatas e Tecnologia Curso de Engenharia da Computação Reconhecimento de Caracteres Manuscritos Utilizando Redes Neurais Artificiais Aluno:

Leia mais

.SXUNWF «T'NTQºLNHF &)&1.3* Introdução às redes Neurais Artificiais (RNAs) v1.1

.SXUNWF «T'NTQºLNHF &)&1.3* Introdução às redes Neurais Artificiais (RNAs) v1.1 1 Introdução às redes Neurais Artificiais (RNAs) v1.1 por João Paulo Schwarz Schüler jpss@schulers.com - http://www.schulers.com/jpss ( enviar correções, sugestões ao jpss ).SXUNWF «T'NTQºLNHF As redes

Leia mais

Estruturando redes neurais artificiais paralelas e independentes para o controle de próteses robóticas

Estruturando redes neurais artificiais paralelas e independentes para o controle de próteses robóticas Estruturando redes neurais artificiais paralelas e independentes para o controle de próteses robóticas Daniel Cristiano Serafim 1 Prof. Dr. Antonio Joaquim da Silva Neto 2 RESUMO O objetivo deste artigo

Leia mais

Redes Neurais Artificiais

Redes Neurais Artificiais Redes Neurais Artificiais MLP: Modelos Avançados - Acelerando o Back-Propagation Modelos: Rprop, Quick-Prop, Cascade-Correlation Unisinos - 2001/2 Curso de Informática Disciplina: Redes Neurais Prof. Fernando

Leia mais

UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE SÉRIES TEMPORAIS

UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE SÉRIES TEMPORAIS UILIAÇÃO DE REDES NEURAIS ARIFICIAIS PARA PREVISÃO DE SÉRIES EMPORAIS Aida Araújo Ferreira(1); Elvis Gonçalves de Lira(2) (1) Instituto Federal de Educação, Ciência e ecnologia (IFPE), Av. Prof Luiz Freire,

Leia mais

Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b

Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação

Leia mais

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PREVISÃO DE PRECIPITAÇÃO PLUVIOMÉTRICA NA REGIÃO DE CAMPO MOURÃO COM BASE EM VARIÁVEIS METEOROLÓGICAS

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PREVISÃO DE PRECIPITAÇÃO PLUVIOMÉTRICA NA REGIÃO DE CAMPO MOURÃO COM BASE EM VARIÁVEIS METEOROLÓGICAS APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PREVISÃO DE PRECIPITAÇÃO PLUVIOMÉTRICA NA REGIÃO DE CAMPO MOURÃO COM BASE EM VARIÁVEIS METEOROLÓGICAS MAEDA, Emerson Yoshio (PIBIC/FA), FECILCAM, mathmaeda@gmailcom

Leia mais

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA Projeto de Redes Neurais Projeto de Redes Neurais Baseado apenas em dados Exemplos para treinar uma rede devem ser compostos por

Leia mais

Modelagem de Superfícies Seletivas de Freqüência e Antenas de Microfita utilizando Redes Neurais Artificiais

Modelagem de Superfícies Seletivas de Freqüência e Antenas de Microfita utilizando Redes Neurais Artificiais UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE Universidade Federal do Rio Grande do Norte Centro de Tecnologia Programa de Pós-Graduação em Engenharia Elétrica Modelagem de Superfícies Seletivas de Freqüência

Leia mais

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL 1. INTRODUÇÃO Este tutorial apresenta, passo-a-passo, o processo de implementação e resolução de modelos matemáticos na planilha

Leia mais

PREVISÃO DE GERAÇÃO DE ENERGIA EÓLICA UTILIZANDO REDES NEURAIS ARTIFICIAIS

PREVISÃO DE GERAÇÃO DE ENERGIA EÓLICA UTILIZANDO REDES NEURAIS ARTIFICIAIS PREVISÃO DE GERAÇÃO DE ENERGIA EÓLICA UTILIZANDO REDES NEURAIS ARTIFICIAIS Trabalho de Conclusão de Curso Engenharia da Computação Wendel Vanderley da Paz Orientador: Mêuser Jorge Silva Valença Universidade

Leia mais

Modelos Pioneiros de Aprendizado

Modelos Pioneiros de Aprendizado Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron

Leia mais

Tópicos em Mineração de Dados

Tópicos em Mineração de Dados Tópicos em Mineração de Dados Descoberta de agrupamentos Método k-médias 1. Introdução A descoberta de agrupamentos é uma tarefa descritiva que procura agrupar dados utilizando a similaridade dos valores

Leia mais

Redes Neurais: Uma Aplicação na Previsão de Vendas

Redes Neurais: Uma Aplicação na Previsão de Vendas Redes Neurais: Uma Aplicação na Previsão de Vendas Angela P. Ansuj Maria Emília Camargo Deoclécio Gomes Petry Programa de Pós-Graduação em Métodos Quantitativos Departamento de Estatística - Centro de

Leia mais

APLICAÇÃO DAS REDES NEURAIS DE BASE RADIAL NA METEOROLOGIA. PALAVRAS-CHAVE: Redes Neurais Artificiais; Rede Neural de Base Radial; Meteorologia.

APLICAÇÃO DAS REDES NEURAIS DE BASE RADIAL NA METEOROLOGIA. PALAVRAS-CHAVE: Redes Neurais Artificiais; Rede Neural de Base Radial; Meteorologia. APLICAÇÃO DAS REDES NEURAIS DE BASE RADIAL NA METEOROLOGIA Emerson Yoshio Maeda (IC, FUNDAÇÃO ARAUCÁRIA), (UNESPAR/FECILCAM), math.maeda@gmail.com Juliano Fabiano da Mota (OR), (UNESPAR/FECILCAM), jfmota@fecilcam.br

Leia mais

Automação Inteligente de Processos e Sistemas

Automação Inteligente de Processos e Sistemas Automação Inteligente de Processos e Sistemas Prof. Dr. Ivan Nunes da Silva USP/EESC/SEL insilva@sc.usp.br 3 de agosto de 203. Sistemas Inteligentes Conjunto de ferramentas computacionais que tentam simular

Leia mais

PREVISÃO DE CARGA A CURTO PRAZO ATRAVÉS DE REDE NEURAL ARTIFICIAL COM TREINAMENTO BASEADO NA ENTROPIA

PREVISÃO DE CARGA A CURTO PRAZO ATRAVÉS DE REDE NEURAL ARTIFICIAL COM TREINAMENTO BASEADO NA ENTROPIA 8 a de setembro de 0 PREVISÃO DE CARGA A CURTO PRAZO ATRAVÉS DE REDE EURAL ARTIFICIAL COM TREIAMETO BASEADO A ETROPIA WESI R ALVES, ADRIAA R G CASTRO, ALDEBARO B KLAUTAU Universidade Federal do Pará Rua

Leia mais

Teoria dos Grafos Aula 24

Teoria dos Grafos Aula 24 Teoria dos Grafos Aula 24 Aula passada Caminho mais curto entre todos os pares Algortimo de Floyd Warshall Programação dinâmica Aula de hoje Caminho mais curto em grafos Algoritmo de Bellman Ford Algoritmo

Leia mais

Otimização de Árvores Sintáticas aplicada à Detecção de Células Cancerígenas

Otimização de Árvores Sintáticas aplicada à Detecção de Células Cancerígenas Trabalho de Pesquisa Operacional Otimização de Árvores Sintáticas aplicada à Detecção de Células Cancerígenas Juliana Oliveira Ferreira Bacharelado em Ciência da Computação UNIFAL MG Objetivo Gerar uma

Leia mais

REDES NEURAIS ARTIFICIAIS: PRINCÍPIOS BÁSICOS ARTIFICIAL NEURAL NETWORKS: BASIC PRINCIPLES

REDES NEURAIS ARTIFICIAIS: PRINCÍPIOS BÁSICOS ARTIFICIAL NEURAL NETWORKS: BASIC PRINCIPLES REDES NEURAIS ARTIFICIAIS: PRINCÍPIOS BÁSICOS ARTIFICIAL NEURAL NETWORKS: BASIC PRINCIPLES FLECK, Leandro 1 ; TAVARES, Maria Hermínia Ferreira 2 ; EYNG, Eduardo 3 ; HELMANN, Andrieli Cristina 4 ; ANDRADE,

Leia mais

RECONHECIMENTO DE PADRÕES MIOELETRICOS DO MOVIMENTO DOS DEDOS DA MÃO UTILIZANDO REDES NEURAIS ARTIFICIAIS

RECONHECIMENTO DE PADRÕES MIOELETRICOS DO MOVIMENTO DOS DEDOS DA MÃO UTILIZANDO REDES NEURAIS ARTIFICIAIS RECONHECIMENTO DE PADRÕES MIOELETRICOS DO MOVIMENTO DOS DEDOS DA MÃO UTILIZANDO REDES NEURAIS ARTIFICIAIS Recognition of Myoeletric Patterns of Finger Motion Using Artificial Neural Network Roberto Coelho

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA REPRESENTAR O COMPORTAMENTO VISCOELÁSTICO

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA REPRESENTAR O COMPORTAMENTO VISCOELÁSTICO APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA REPRESENTAR O COMPORTAMENTO VISCOELÁSTICO Marcelo Massarani Escola Politécnica da Universidade de São Paulo, Departamento de Engenharia Mecânica, Av. Prof. Mello

Leia mais

5 Experimentos Conjunto de Dados

5 Experimentos Conjunto de Dados Experimentos 48 5 Experimentos Este capítulo apresenta o ambiente experimental utilizado para validar o método de predição do CTR proposto neste trabalho. Na seção 5.1, descrevemos a geração do conjunto

Leia mais

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS Mecánica Computacional Vol XXIX, págs 9169-9175 (artículo completo) Eduardo Dvorkin, Marcela Goldschmit, Mario Storti (Eds) Buenos Aires, Argentina, 15-18 Noviembre 2010 RECONHECIMENTO DE ACORDES MUSICAIS:

Leia mais

ENGENHARIA DE CONTROLE E AUTOMAÇÃO ANDERSON DA SILVA COSTA JORGE ALVES MARTINS FILHO

ENGENHARIA DE CONTROLE E AUTOMAÇÃO ANDERSON DA SILVA COSTA JORGE ALVES MARTINS FILHO ENGENHARIA DE CONTROLE E AUTOMAÇÃO ANDERSON DA SILVA COSTA JORGE ALVES MARTINS FILHO IDENTIFICAÇÃO OFFLINE E VALIDAÇÃO ONLINE DE MODELO COMPUTACIONAL PARA UMA COLUNA DE DESTILAÇÃO PILOTO Campos dos Goytacazes/RJ

Leia mais

MODELAGEM DO COMPORTAMENTO À FADIGA DE COMPÓSITOS DE FIBRA DE VIDRO A PARTIR DE UM MODELO MISTO DE RNA

MODELAGEM DO COMPORTAMENTO À FADIGA DE COMPÓSITOS DE FIBRA DE VIDRO A PARTIR DE UM MODELO MISTO DE RNA 1 UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA MODELAGEM DO COMPORTAMENTO À FADIGA DE COMPÓSITOS DE FIBRA DE VIDRO A PARTIR DE UM MODELO MISTO DE RNA Dissertação

Leia mais

INTELIGÊNCIA ARTIFICIAL COM REDES NEURAIS PARA SISTEMAS DESKTOP

INTELIGÊNCIA ARTIFICIAL COM REDES NEURAIS PARA SISTEMAS DESKTOP RODRIGO MORAES DE OLIVEIRA RA 0502007 8º SEMESTRE, CIÊNCIA DA COMPUTAÇÃO INTELIGÊNCIA ARTIFICIAL COM REDES NEURAIS PARA SISTEMAS DESKTOP Jaguariúna 2008 RODRIGO MORAES DE OLIVEIRA RA 0502007 8º SEMESTRE,

Leia mais

REDES NEURAIS ARTIFICIAIS E PREVISÃO DE SÉRIES ECONÔMICAS: UMA INTRODUÇÃO 1

REDES NEURAIS ARTIFICIAIS E PREVISÃO DE SÉRIES ECONÔMICAS: UMA INTRODUÇÃO 1 REDES NEURAIS ARTIFICIAIS E PREVISÃO DE SÉRIES ECONÔMICAS: UMA INTRODUÇÃO 1 Marcelo S. Portuga.l2 Luiz Gustavo L. Fernandes 3 RESUMO o objetivo central deste artigo é introduzir um novo método de previsão

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA CAIO CÉSAR OBA RAMOS DESENVOLVIMENTO DE FERRAMENTAS COMPUTACIONAIS INTELIGENTES PARA IDENTIFICAÇÃO

Leia mais

INVESTIGAÇÃO DE TOPOLOGIAS DE REDES NEURAIS ARTIFICIAIS PARA A PREVISÃO DA CINÉTICA DE SECAGEM DOS FRUTOS

INVESTIGAÇÃO DE TOPOLOGIAS DE REDES NEURAIS ARTIFICIAIS PARA A PREVISÃO DA CINÉTICA DE SECAGEM DOS FRUTOS INVESTIGAÇÃO DE TOPOLOGIAS DE REDES NEURAIS ARTIFICIAIS PARA A PREVISÃO DA CINÉTICA DE SECAGEM DOS FRUTOS DE AROEIRA-VERMELHA (Schinus terebinthifolius Raddi) B. G. SILVA 1 e A. M. F. FILETI 1 1 Universidade

Leia mais