Introdução às Redes Neurais Artificiais
|
|
- Tiago Zagalo Gil
- 7 Há anos
- Visualizações:
Transcrição
1 Introdução às Redes Neurais Artificiais Mapas Auto-Organizáveis Prof. João Marcos Meirelles da Silva Departamento de Engenharia de Telecomunicações Escola de Engenharia Universidade Federal Fluminense Prof. João Marcos Meirelles da Silva p. 1/27
2 Créditos autorais Este curso e estes slides são parcialmente adaptados da bibliografia citada e das aulas do professor Luiz Pereira Calôba - COPPE/UFRJ caloba Prof. João Marcos Meirelles da Silva p. 2/27
3 Sumário Introdução Principal Característica Espaços de Trabalho Aprendizado Algoritmo Exemplo Prof. João Marcos Meirelles da Silva p. 3/27
4 Introdução Redes de Aprendizado Competitivo: Padrões similares não permaneciam juntos; SOM ou Mapas de Kohonen: Padrões similares permanecem juntos, há uma transição suave entre classes; Utiliza os conceitos de camada competitiva e aprendizado não-supervisionado; Produz uma representação discretizada, geralmente em 2D, do espaço de entradas dos padrões de treinamento (mapa); Prof. João Marcos Meirelles da Silva p. 4/27
5 Introdução Imita a organização do córtex cerebral; Utilizam uma função de vizinhança para preservar as propriedades topológicas do espaço de entrada; Útil para visualizar, em baixas dimensões, dados de grandes dimensões. Prof. João Marcos Meirelles da Silva p. 5/27
6 Principal característica f(x) : R m R (1) ou f(x) : R m R 2 (2) Prof. João Marcos Meirelles da Silva p. 6/27
7 Espaços de trabalho No treinamento de Kohonen, existem dois espaços à considerar: O espaço das entradas x As entradas x e as sinapses w são definidas nesse espaço, e as distâncias d serão dadas por d i = x w i ; O espaço de competição M O mapa auto-organizável de Kohonen, onde as distâncias laterais r entre os neurônios são definidas neste espaço. Neurônios N i e N j r ji = j i Prof. João Marcos Meirelles da Silva p. 7/27
8 Aprendizado em 3 fases: Competição Cooperação Adaptação das sinapses Prof. João Marcos Meirelles da Silva p. 8/27
9 Competição Seja: x = [x 1, x 2,...,x m ] T w j = [w j1, w j2,...,w jm ] T, j = 1, 2,...,m Vence o neurônio cujo produto interno x T w j for maior! Aprendizado por Competição Prof. João Marcos Meirelles da Silva p. 9/27
10 Cooperação Caso unidimensional Mapa Unidimensional. Prof. João Marcos Meirelles da Silva p. 10/27
11 Cooperação Caso unidimensional O neurônio vencedor dá a localização do centro de vizinhança topológica, definindo junto com o raio, quais serão os neurônios que irão cooperar. Prof. João Marcos Meirelles da Silva p. 11/27
12 Cooperação Caso bidimensional Prof. João Marcos Meirelles da Silva p. 12/27
13 Cooperação Opções de Arranjo de Topologia da Vizinhança Biologicamente falando, um neurônio que dispara tende a excitar mais os neurônios próximos dos que os que estão mais distantes; Prof. João Marcos Meirelles da Silva p. 13/27
14 Cooperação Opções de Arranjo de Topologia da Vizinhança Este conceito nos leva a pensar em uma vizinhança topológica (R) em torno do neurônio vencedor i que decai suavemente com a distância lateral (r ji ). Prof. João Marcos Meirelles da Silva p. 14/27
15 Cooperação Opções de Arranjo de Topologia da Vizinhança Durante a fase de treinamento, o valor de R diminui. Prof. João Marcos Meirelles da Silva p. 15/27
16 Definição do Raio Uma escolha típica para R é dada pela própria função Gaussiana, a qual é invariante à rotações (isto é, independente da localização do neurônio): R(n) = exp ( r2 ji 2σ 2 (n) ) ) σ(n) = σ 0 exp ( nτ1, n = 0, 1, 2,... (3) O parâmetro σ é chamado de largura efetiva da vizinhança topológica, σ 0 é o valor inicial e o parâmetro τ 1 é uma constante de tempo. (4) Prof. João Marcos Meirelles da Silva p. 16/27
17 Adaptação das sinapses A alteração das sinapses pode seguir um dos dois esquemas: 1. O vencedor treina e os demais vizinhos dentro de R também, igualmente: w j (n + 1) = w j (n) + α(n)(x w j (n)) 2. O vencedor treina e os demais vizinhos dentro de R também, porém de acordo com a seguinte regra: w j (n + 1) = w j (n) + α(n)r(n)(x w j (n)) Prof. João Marcos Meirelles da Silva p. 17/27
18 Algoritmo Passo 1: Iniciar os pesos w ij Passo 2: Iniciar os parâmetros topológicos de vizinhança Passo 3: Iniciar taxa de aprendizado Passo 4: Enquanto a condição de parada for falsa, execute os passos 5 a 11 Passo 5: Para cada vetor x de treinamento, execute os passos 6-8 Passo 6: Para cada j, calcule: D(j) = i (w ij x i ) 2 (5) Passo 7: Encontre o índice j para o qual D(j) é mínimo; Passo 8: Para todos os neurônio j dentro de uma vizinhança especificada de J, e para todo i: w ij (n + 1) = w ij (n) + α[x i w ij (n)] (6) 17-1
19 Passo 9: Atualize a taxa de aprendizado; Passo 10: Reduza o raio de vizinhança topológica de tempos em tempos; Passo 11: Teste a condição de parada 17-2
20 Exemplo Mapa unidimensional x unidimensional 8 neurônios R = 2 α = 0, 4 N i, i = w i = 0,2 0,5 0,1 0,9 0,6 0,5 0,8 0,2 Seja uma entrada x = 0, 65, temos: Competição no espaço de entrada: d(x, w i ), i = 1, 2,...,8 Prof. João Marcos Meirelles da Silva p. 18/27
21 d 1 0,45 d 2 0,15 d 3 0,55 d 4 0,25 d 5 0,05 d 6 0,15 d 7 0,15 d 8 0,45 Neurônio N 5 é o vencedor! Vizinhos de N 5 para R = 2 no mapa: N 3, N 4, N 6 e N 7 Atualização das sinapses w 3, w 4, w 5, w 6 e w 7 no espaço de entrada Prof. João Marcos Meirelles da Silva p. 19/27
22 w j (2) = (1 α)w j (1) + αx = 0, 6w j (1) + 0, 26, j = 3, 4, 5, 6, 7 N i, i = w i (1) = 0,2 0,5 0,1 0,9 0,6 0,5 0,8 0,2 w i (2) = 0,2 0,5 0,32 0,80 0,62 0,56 0,74 0,2 Observe que todos os pesos alterados se aproximaram da entrada e entre si! Prof. João Marcos Meirelles da Silva p. 20/27
23 Há basicamente duas formas de visualizarmos as redes SOM: O mapa é visto como uma rede elástica (uni ou bidimensional) com os vetores de pesos sinápticos representados como pontos e, entre os vizinhos, através de conexões; Nomes de classes são associados aos neurônios em uma rede bidimensional. Após o treinamento, algumas regiões são apresentadas onde o caminho entre um ponto A e um ponto B mostra a afinidade entre os dados. Esta forma de apresentação é comumente chamada de mapas de contexto ou mapas semânticos. Prof. João Marcos Meirelles da Silva p. 21/27
24 Exemplos de redes elásticas: Caso bidimensional (ExemploSOM01.m) Caso unidimensional (ExemploSOM02.m) Prof. João Marcos Meirelles da Silva p. 22/27
25 Exemplo de Mapa de Contexto: Rede SOM bidimensional (wpi-soms) (a) Antes do treinamento (b) Após o treinamento Prof. João Marcos Meirelles da Silva p. 23/27
26 Nomes de animais e seus atributos Prof. João Marcos Meirelles da Silva p. 24/27
27 Considerações Finais SOM É uma técnica de agrupamento que impõe relacionamentos de vizinhança sobre os centróides resultantes das classes; Classes vizinhas possuem um relacionamento maior do que classes distantes umas das outras; Uma rede SOM bidimensional é uma projeção não linear da função original de distribuição de probabilidade em duas dimensões; Como qualquer algoritmo de segmentação, também possui limitações. Prof. João Marcos Meirelles da Silva p. 25/27
28 Referências 1. Haykin, S., Neural Networks - A Comprehensive Foundation, 2 nd edition - Prentice Hall, Fausett, L., Fundamental of Neural Networks - Architectures, Algorithms and Applications, Prentice Hall, Theodoris, S., Koutroumbas, K, Pattern Recognition, 4 th edition, Academic Press. Prof. João Marcos Meirelles da Silva p. 26/27
29 FIM Prof. João Marcos Meirelles da Silva p. 27/27
Introdução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Perceptrons de Múltiplas Camadas I Prof. João Marcos Meirelles da Silva www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia
Leia maisRedes Neurais não Supervisionadas: SOM
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais não Supervisionadas: SOM DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Perceptrons de Camada Única Prof. João Marcos Meirelles da Silva www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia
Leia maisMapas Auto-Organizáveis de Kohonen SOM
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Mapas Auto-Organizáveis de Kohonen SOM Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisMapas Auto-Organizáveis de Kohonen SOM
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Mapas Auto-Organizáveis de Kohonen SOM Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Introdução Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia Universidade
Leia maisREDES AUTO-ORGANIZÁVEIS SELF-ORGANIING MAP (SOM)
REDES AUTO-ORGANIZÁVEIS SELF-ORGANIING MAP (SOM) APRENDIZADO COMPETITIVO Os algoritmos de aprendizado não-supervisionado são geralmente baseados em uma forma de competição entre os neurônios. O método
Leia maisAula 7 RNA Redes Auto-Organizáveis de Kohonen
2COP229 Aula 7 RNA Redes Auto-Organizáveis de Kohonen 2COP229 Sumário 1- Introdução 2- Processo de Aprendizado Competitivo 3- Mapas auto-organizáveis de Kohonen (SOM) 4- Projeto Prático 1-Introdução 2COP229
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Clusterização: Conceitos Básicos Prof. João Marcos Meirelles da Silva www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia
Leia maisMapas Auto-Organizáveis de Kohonen (SOM) SOM é uma rede neural artificial (Kohonen (1995))
Mapas Auto-Organizáveis de Kohonen (SOM) SOM é uma rede neural artificial (Kohonen (1995)) que realiza simultaneamente agrupamento e visualização SOM usa aprendizagem não supervisionada para mapear dados
Leia maisClustering - c-means e Self Organizing Maps
- c-means e Self Organizing Maps Sarajane M. Peres e Clodoaldo A. M. Lima 13 de abril de 2015 Material baseado em: HAN, J. & KAMBER, M. Data Mining: Concepts and Techniques. 2nd. 2006 FAUSETT, L. Fundamentals
Leia maisMapas Auto Organizáveis SOMs Mapas de Kohonen
Mapas Auto Organizáveis SOMs Mapas de Kohonen PSI 2886 Princípios de Neurocomputação Edição de 2008 1 PSI 5886 Prof. Emilio Self Organizing Maps de Kohonen Estes slides foram usados nas aulas #8 e #9 na
Leia maisRedes Competitivas e de Kohonen
Redes Competitivas e de Kohonen Redes Competitivas Até agora as redes estudadas possuíam muitas saídas ativas, no aprendizagem competitivo somente uma unidade de saída pode estar ativa a cada momento.
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Perceptrons de Múltiplas Camadas II Prof. João Marcos Meirelles da Silva www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy Mapas Auto-Organizáveis 1. O Mapa Auto-Organizável (SOM) Sistema auto-organizável inspirado no córtex cerebral. Nos mapas tonotópicos do córtex, p. ex., neurônios vizinhos
Leia maisRedes Neurais 1. Redes Neurais. cont.) Definição (cont( Definição. Histórico. Características básicas
Redes Neurais Dalma M. Falcão falcao@nacad.ufr.br http://www.nacad.ufr.br/~falcao/ Redes Neurais Definição Histórico Áreas de aplicação RNs biológicas Modelos de neurônios artificiais Arquiteturas de RNs
Leia maisInteligência 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 maisCapítulo 7. Mapas Auto-Organizados de Kohonen - SOM
Capítulo 7 Mapas Auto-Organizados de Kohonen - SOM Neste capítulo estudaremos um dos mais populares algoritmos na categoria de aprendizado não-supervisionado, as RNAs conhecidas como Mapas Auto-Organizados
Leia maisRedes Neurais: RBF. 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: RBF DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes de Funções de
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Aplicações em Telecomunicações Prof. João Marcos Meirelles da Silva, D.Sc. Professor Adjunto II do Departamento de Engenharia de Telecomunicações Universidade Federal Fluminense
Leia maisUso da Rede Neural Artificial Self Organizing Maps (SOM) na clusterização de dados meteorológicos
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Uso da Rede Neural Artificial Self Organizing Maps (SOM) na clusterização de dados meteorológicos Jorge V. R. Bonato, Paulo H. Siqueira Programa de
Leia mais( ) Aula de Hoje. Introdução a Sistemas Inteligentes. Modelo RBF (revisão) Modelo RBF (revisão)
Introdução a Sistemas Inteligentes ópicos em Redes Neurais III: Redes Neurais RBF ª Parte Prof. Ricardo J. G. B. Campello ICMC / USP Aula de Hoje Revisão de Modelos RBF reinamento de Modelos RBF Estimação
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.4. Outras Redes Neurais Artificiais 2.4.1. Redes RBF 2.4.2. Mapas
Leia maisSelf Organizing Maps - Redes de Kohonen
Self Organizing Maps - Redes de Kohonen 1. Redes auto organizáveis Existe uma classe de redes neurais artificias que possuem a capacidade de auto organização, sendo por isto chamadas de redes auto organizáveis.
Leia maisResolução da Prova 1 SCC Redes Neurais 2o. Semestre de Prof. João Luís
Resolução da Prova 1 SCC-5809 - Redes Neurais 2o. Semestre de 2011 - Prof. João Luís RESOLUÇÃO (2) 1. A figura abaixo mostra uma rede neural com um único neurônio escondido. Mostre que essa rede resolve
Leia maisSCC Capítulo 2 Topologia e Representação
Modelos Arquiteturas Representação do Conhecimento SCC-5809 - Capítulo 2 Topologia e Representação João Luís Garcia Rosa 1 1 SCC-ICMC-USP - joaoluis@icmc.usp.br 2011 João Luís G. Rosa c 2011 - SCC-5809:
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo
Leia maisSCC Capítulo 3 Aprendizado
Aprendizado Supervisionado Não Supervisionado Tarefas SCC-5809 - Capítulo 3 Aprendizado João Luís Garcia Rosa 1 1 SCC-ICMC-USP - joaoluis@icmc.usp.br 2012 João Luís G. Rosa c 2012 - SCC-5809: Redes Neurais
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Neurônio Natural Dendritos: recebe os estímulos transmitidos por outros neurônios Soma Sinapse Axônio Soma: coleta e combina informações vindas de outros neurônios Sinapse Dendrito
Leia maisRedes Neurais Artificiais
Universidade Federal do Espírito Santo CCA UFES Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Redes Neurais Artificiais Redes Neurais Artificiais
Leia maisserotonina (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 maisSCC Capítulo 8 Auto-Organização
Auto-organização PCA Mapas auto-organizáveis SCC-5809 - Capítulo 8 Auto-Organização João Luís Garcia Rosa 1 1 SCC-ICMC-USP - joaoluis@icmc.usp.br 2011 João Luís G. Rosa c 2011 - SCC-5809: Redes Neurais
Leia mais3 FERRAMENTAS UTILIZADAS: REDES NEURAIS E LÓGICA FUZZY
3 FERRAMENTAS UTILIZADAS: REDES NEURAIS E LÓGICA FUZZY 3.1 REDES NEURAIS As redes neurais representam uma tecnologia que têm raízes em muitas disciplinas: neurociência, matemática, estatística, física,
Leia maisRedes Neurais Artificiais
Universidade Federal do Espírito Santo CCENS UFES Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCENS UFES Departamento de Computação Redes Neurais Artificiais Redes Neurais Artificiais
Leia maisEstudo Comparativo entre Redes Neurais Artificiais Aplicadas a Reconhecimento Facial
Estudo Comparativo entre Redes Neurais Artificiais Aplicadas a Reconhecimento Facial Renan Bessa 1, Elder dos Santos Teixeira 2, Guilherme Costa Holanda 3, Auzuir Ripardo de Alexandria 4 1 Graduando em
Leia maisAlgoritmos 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 maisRedes neurais artificiais
Redes neurais artificiais Conceitos em redes neuronais Redes neuronais artificiais (RNA): uma metáfora cerebral para processamento de informações Computação neuronal Muitos usos de RNA para Reconhecimento
Leia maisAvaliação de Desempenho de Redes LVQ em Comparação com Redes MLP com Backpropagation na Classificação de Cromossomos
Avaliação de Desempenho de Redes LVQ em Comparação com Redes MLP com Backpropagation na Classificação de Cromossomos Otávio Roberto Martins de Souza UFSC otavio@eps.ufsc.br Silvana Pezzi, M.Eng UFSC spezzi@eps.ufsc.br
Leia maisAPRENDIZADO EM MODELOS CONEXIONISTAS
APRENDIZADO EM MODELOS CONEXIONISAS Aprendizado é o processo pelo qual os parâmetros (os pesos das coneões entre os neurônios) de uma rede neural são austados através de uma forma continuada de estímulo
Leia maisAlgoritmos 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 maisParadigmas 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 maisRedes Neurais Artificiais
Redes Neurais Artificiais Prof. Dr. Hugo Valadares Siqueira Semana de Eletrônica e Automação 2014 Redes Neurais Artificiais Uma rede neural artificial é um circuito composto por uma grande quantidade de
Leia mais6 Clustering: Definindo Grupos Estratégicos
6 Clustering: Definindo Grupos Estratégicos 6.1 Introdução Não é difícil deduzir que as 60 empresas distribuidoras de energia elétrica, operantes no SEB, apresentam características heterogêneas. Entretanto,
Leia maisMétodos de Segmentação de Mapas Auto-Organizáveis para Análise de Agrupamento
Métodos de Segmentação de Mapas Auto-Organizáveis para Análise de Agrupamento Leonardo Freitas Noleto Departamento de Infomática e Estatística Universidade Federal de Santa Catarina (UFSC) Florianópolis,
Leia maisAlgoritmos 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 Multi-Layer Perceptrons (Back Propagation Radial Basis Functions (RBFs Competitive Learning Hopfield Formas de Aprendizado
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia maisRegra de Hebb Perceptron Delta Rule (Least Mean Square) Multi-Layer Perceptrons (Back Propagation) Hopfield Competitive Learning Radial Basis Function
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Multi-Layer Perceptrons (Back Propagation) Hopfield Competitive Learning Radial Basis Function Formas de Aprendizado Existe
Leia maisAula 1 Introdução - RNA
Aula 1 Introdução - RNA Sumário 1- Conceitos Iniciais; 2- Neurônio Biológico; 3- Neurônio Artificial; 4- Funções de Ativação; 5- Comparação Neurônio Biológico e Artificial. 1- Conceitos Iniciais - Computadores
Leia maisRede RBF (Radial Basis Function)
Rede RBF (Radial Basis Function) André Tavares da Silva andre.silva@udesc.br Roteiro Introdução à rede neural artificial RBF Teorema de Cover da separabilidade de padrões RBF x MLP RBF Função de ativação
Leia mais1. Conceitos básicos dos Sistemas Auto-organizáveis. Os sistemas auto-organizáveis estão relacionados com aprendizagem nãosupervisionada.
Redes Neurais Sistemas Auto-Organizáveis. Conceitos básicos dos Sistemas Auto-organizáveis Os sistemas auto-organizáveis estão relacionados com aprendizagem nãosupervisionada. O objetivo de um algoritmo
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais x 1 w k1 Bias b k +1 +1 x 1 x 2 x 3 x m +1 y 1 y 2 y o Sinais de entrada x 2 x m Fabricio Breve fabricio@rc.unesp.br w k2 w km Pesos sinápticos Σ Junção aditiva v k f(. ) Saída
Leia mais3 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 maisRedes Neurais. A Rede RBF. Redes RBF: Função de Base Radial. Prof. Paulo Martins Engel. Regressão não paramétrica. Redes RBF: Radial-Basis Functions
Redes RBF: Função de Base Radial Redes Neurais A Rede RBF O LP é baseado em unidades que calculam uma função não-linear do produto escalar do vetor de entrada e um vetor de peso. A rede RBF pertence a
Leia maisAgrupamento de Dados a partir de Mapas Auto-Organizáveis na Ferramenta YADMT. Thiago Magalhães Faino
UNIOESTE Universidade Estadual do Oeste do Paraná CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS Colegiado de Ciência da Computação Curso de Bacharelado em Ciência da Computação Agrupamento de Dados a partir
Leia maisInfluência do Caos em Redes Neurais Auto-Organizáveis ao Resolver Problemas de Otimização
Influência do Caos em Redes Neurais Auto-Organizáveis ao Resolver Problemas de Otimização Josué Ervin Musial Paulo Henrique Siqueira Programa de Pós-Graduação em Métodos Numéricos em Engenharia - PPGMNE
Leia mais5 Redes Neurais Artificiais
5 Redes Neurais Artificiais 5.1. Introdução A motivação original desta metodologia 1 foi a tentativa de modelar a rede de neurônios humanos visando compreender o funcionamento do cérebro. Portanto, como
Leia maisMineração de Dados aplicada a Gestão de Negócios. Aula 2. Prof. Dr. Sylvio Barbon Junior
Aula 2 Introdução Redes Neurais Prof. Dr. Sylvio Barbon Junior barbon@uel.br Sumário 1- Inteligência Artificial 2- Introdução às Redes Neurais Artificiais 3- Modelos de Redes Neurais supervisionados e
Leia maisFatores de Hipertensão usando Redes Neurais Kohonen SOM. Palavras Chave: análise de cluster, hipertensão, mapas auto-organizáveis, redes neurais.
Fatores de Hipertensão usando Redes Neurais Kohonen SOM Resumo O Mapa Auto-organizável de Kohonen (SOM) é um tipo especial de Rede Neural com aprendizado não-supervisionado. Em um mapa Auto-organizável,
Leia maisAplicação de Mapa Auto-Organizável ao Agrupamento de Dados de Refletividade de Radar
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Aplicação de Mapa Auto-Organizável ao Agrupamento de Dados de Refletividade de Radar Jorge V. R. Bonato, Paulo H. Siqueira, Programa de Pós-Graduação
Leia maisA evolução natural deu ao cérebro humano muitas características desejáveis que não estão presentes na máquina de von Neumann:
Faculdade de Engenharia de Computação Centro de Ciências Exatas, Ambientais e de Tecnologias PUC-Campinas João Luís Garcia Rosa 2004 2 A evolução natural deu ao cérebro humano muitas características desejáveis
Leia maisModelos ART Adaptive Ressonance Theory. Germano C. Vasconcelos Centro de Informática - UFPE
Modelos ART Adaptive Ressonance Theory Germano C. Vasconcelos Centro de Informática - UFPE Introdução Capacidade de Generalização Resposta satisfatória ao universo de padrões Problema: Conhecimento modificado
Leia maisSISTEMA DE IDENTIFICAÇÃO DE FALHAS EM ESCADAS ROLANTES UTILIZANDO REDES NEURAIS ARTIFICIAIS
SISTEMA DE IDENTIFICAÇÃO DE FALHAS EM ESCADAS ROLANTES UTILIZANDO REDES NEURAIS ARTIFICIAIS Alessandro Lins Alves 23ª Semana de Tecnologia Metroferroviária CONTEÚDO Introdução. TÍTULO DO TRABALHO Justificativas.
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 22 Redes Neurais Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de decisão. K-Nearest Neighbor (KNN). Support
Leia mais3 Agrupamento de dados e o algoritmo GNG
25 3 Agrupamento de dados e o algoritmo GNG Processos de agrupamento de dados são utilizados para categorizar uma massa de dados em um número desejado de grupos, com a restrição de que os componentes de
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 27 de maio de 2016 Reconhecimento de objetos Padrão: arranjo
Leia maisHP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes.
HP UFCG Analytics Abril-Maio 2012 Um curso sobre Reconhecimento de Padrões e Redes Neurais Por Herman Martins Gomes hmg@dsc.ufcg.edu.br Programa Visão Geral (2H) Reconhecimento Estatístico de Padrões (3H)
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 16 Redes Neurais Artificiais (MLP) 2 de 24 (MLP) Sumário Introdução
Leia maisRafael Ribeiro Alexandra Souza Thiago Barcelos Leandro Silva
Mensurando o desenvolvimento do Pensamento Computacional por meio de Mapas Auto-Organizáveis: Comparação de métricas de complexidade de Software com Dr. Scratch e CT-Test Rafael Ribeiro Alexandra Souza
Leia maisComparação entre os métodos de agrupamentos K-means e Mapa de Kohonen (SOM) em análise de pesquisa de mercado.
Comparação entre os métodos de agrupamentos K-means e Mapa de Kohonen (SOM) em análise de pesquisa de mercado. Márcio Candeias Marques Departamento de Engenharia Elétrica -PUC-Rio Resumo Uma das necessidades
Leia maisMAPAS AUTO-ORGANIZÁVEIS PARA MODELAGEM CHUVA-VAZÃO. Farias, C. A. S.; Carneiro, T. C. & Lourenço, A. M. G.
MAPAS AUTO-ORGANIZÁVEIS PARA MODELAGEM CHUVA-VAZÃO Farias, C. A. S.; Carneiro, T. C. & Lourenço, A. M. G. Motivação O crescimento populacional e consequente aumento das demandas; A situação se agrava em
Leia maisTécnicas de Classificação para Caracterização da Curva de Carga de Empresas de Distribuição de Energia - Um Estudo Comparativo
Proceedings of the V Brazilian Conference on Neural Networks - V Congresso Brasileiro de Redes Neurais pp. 133 138, April 2 5, 21 - Rio de Janeiro - RJ - Brazil Técnicas de Classificação para Caracterização
Leia maisMulti-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Multi-Layer Perceptrons (Back Propagation) Radial Basis Functions (RBFs) Competitive Learning Hopfield Multi-Layer Perceptrons
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES DE FUNÇÃO DE BASE RADIAL - RBF Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Funções de Base Global Funções de Base Global são usadas pelas redes BP. Estas funções são definidas como funções
Leia maisRedes de Funções de Base Radial Radial Basis Functions (RBFs)
Redes de Funções de Base Radial Radial Basis Functions (RBFs) Germano C. Vasconcelos Centro de Informática - UFPE Introdução Em uma RBF, a rede é definida do ponto de vista de um problema de aproximação
Leia maisRedes Neurais Artificiais Aplicadas em Análise de Perfis Profissionais
Redes Neurais Artificiais Aplicadas em Análise de Perfis Profissionais S. A. Araújo 1, D. Santos 2, M. A. Bonaldo 3 Resumo - Esse trabalho visa explorar a utilização de Redes Neurais Artificiais, modelo
Leia maisUSO DE ALGORITMOS DE APRENDIZADO COMPETITIVO EM MINERAÇÃO DE DADOS
USO DE ALGORITMOS DE APRENDIZADO COMPETITIVO EM MINERAÇÃO DE DADOS Ricardo Santos de Oliveira 1 ;Ana Luiza do Nascimento Leite 2 ; Ítalo Herbert Siqueira Gabriel 2 Resumo - A inteligência artificial é
Leia maisNEUROCOMPUTAÇÃO E SIG NO SUPORTE AO PLANEJAMENTO URBANO. Marcos Aurélio Santos da Silva 1
NEUROCOMPUTAÇÃO E SIG NO SUPORTE AO PLANEJAMENTO URBANO Marcos Aurélio Santos da Silva 1 Palavras-chave: Redes Neurais Artificiais, Análise Espacial de Área, Visualização de dados, Análise de Agrupamentos
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisClassificação de Elementos no Ambiente de Navegação Robótica Utilizando Redes de Kohonen
Classificação de Elementos no Ambiente de Navegação Robótica Utilizando Redes de Kohonen Felipe A. PINAGÉ (1); Eulanda M. dos SANTOS (2); José P. QUEIROZ-NETO (3) (1) Universidade Federal do Amazonas -
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA. Eduardo Martins Viana AGRUPAMENTO DE CONJUNTOS CONSUMIDORES DE ENERGIA ELÉTRICA UTILIZANDO MAPAS AUTO-ORGANIZÁVEIS
UNIVERSIDADE FEDERAL DE VIÇOSA Eduardo Martins Viana AGRUPAMENTO DE CONJUNTOS CONSUMIDORES DE ENERGIA ELÉTRICA UTILIZANDO MAPAS AUTO-ORGANIZÁVEIS Viçosa MG 2006 UNIVERSIDADE FEDERAL DE VIÇOSA Eduardo Martins
Leia maisSISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 2. SIG- Eng. Cartográfica Prof. Luciene Delazari
SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 2 SIG- Eng. Cartográfica Prof. Luciene Delazari Descrição de uma realidade com algum propósito Modelo MODELAR Termo geral para denotar o processo de construir representações
Leia maisPrimeiras Redes Neurais Artificiais: Perceptron e Adaline
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Primeiras Redes Neurais Artificiais: Perceptron e Adaline DCA0121 Inteligência Artificial Aplicada Heitor
Leia maisCARACTERIZAÇÃO DE GRUPOS HOMOGÊNEOS DE PROPRIEDADES RURAIS DO ESTADO DE SANTA CATARINA UTILIZANDO REDES NEURAIS ARTIFICIAIS
CARACTERIZAÇÃO DE GRUPOS HOMOGÊNEOS DE PROPRIEDADES RURAIS DO ESTADO DE SANTA CATARINA UTILIZANDO REDES NEURAIS ARTIFICIAIS Autores Marcos Antônio Antonello Scremin scremin@eps.ufsc.br UFSM-RS - Colégio
Leia maisMensurando o desenvolvimento do Pensamento Computacional por meio de Mapas Auto-Organizáveis: um estudo preliminar em uma Oficina de Jogos Digitais
Mensurando o desenvolvimento do Pensamento Computacional por meio de Mapas Auto-Organizáveis: um estudo preliminar em uma Oficina de Jogos Digitais Thiago Barcelos Alexandra Souza Leandro Silva Roberto
Leia maisINTELIGÊNCIA 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 maisTópicos sobre Redes Neurais
Tópicos sobre Redes Neurais -Memórias Matriciais -Modelos Híbridos -Redes de Base Radial(RBF) -Redes Construtivas -Redes Recorrentes Prof João Alberto Fabro IF67D Sistemas Inteligentes 1 Dep de Informática
Leia maisRegra de Hebb Perceptron Delta Rule (Least Mean Square) Multi-Layer Perceptrons (Back Propagation) Hopfield Competitive Learning Radial Basis Function
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Multi-Layer Perceptrons (Back Propagation) Hopfield Competitive Learning Radial Basis Function Multi-Layer Perceptrons
Leia maisRedes Neuronais (outras redes)
Redes Neuronais (outras redes) Victor Lobo Principais arquitecturas de redes Aprendizagem Supervisionada MLP com BP Multi-Layer Perceptron (perceptrão multicamada) Treinado com Backpropagation (retropropagação
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA LEANDRO JUVÊNCIO MOREIRA
UNIVERSIDADE PRESBITERIANA MACKENZIE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA LEANDRO JUVÊNCIO MOREIRA CLASSIFICAÇÃO DE DADOS COMBINANDO MAPAS AUTO-ORGANIZÁVEIS COM VIZINHO INFORMATIVO MAIS PRÓXIMO
Leia maisAplicações 8/10/2007. Redes Auto-Organizáveis (Self-Organizing) Modelos(1) Modelos(2) Kohonen(SOM) Modelos(3) Modelos(4) Treinamento
Modelos(1) Modelos(2) Kohonen(SOM) - 1989 Kohonen(SOM) - Arquitetura Baseadas no mapeamento realizado pelo Cérebro Pode ter várias camadas, onde o processo de auto-organização segue de camada em camada
Leia mais3 Análise de Fácies Sísmicas
3 Análise de Fácies Sísmicas Os modelos geológicos dos reservatórios são formados a partir de estimativas de características especificas das rochas ou sedimentos. Estimativas das propriedades das rochas,
Leia maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) 12/07/08 08:09 Informação - ICPG - Criciuma - SC 1 Fundamentação Biológica, O Neurônio
Leia maisSNP33D90 REDES NEURAIS ARTIFICIAIS
SNP33D90 REDES NEURAIS ARTIFICIAIS Engenharia Elétrica Prof. Dr. André A. P. Biscaro 2º Semestre de 2017 1. IDENTIFICAÇÃO UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT Disciplina: REDES NEURAIS ARTIFICIAIS
Leia maisIntrodução à Mineração de Dados com Aplicações em Ciências Espaciais
Introdução à Mineração de Dados com Aplicações em Ciências Espaciais Escola de Verão do Laboratório Associado de Computação e Matemática Aplicada Rafael Santos Dia 3: 1 /54 Programa Dia 1: Apresentação
Leia maisMinicurso: Inteligência Artificial Aplicada a Sistemas Elétricos
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Introdução a Machine Learning: Teoria, Aplicações e IA na Arquitetura Intel Vitor Hugo Ferreira, DSc - UFF Flávio Mello, DSc UFRJ e Ai2Biz
Leia mais