Otimização por Descida de Gradiente
|
|
- Herman Prada Furtado
- 8 Há anos
- Visualizações:
Transcrição
1 Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Otimização por Descida de Gradiente Redes Neurais Artificiais Site:
2 Otimização por Descida de Gradiente Este é um método iterativo; Porém, não possui garantia de encontrar parâmetros ótimos, a não ser que o problema seja convexo; Esta técnica utiliza somente derivadas de 1ª ordem ( E de E). Gradiente: vetor composto pelas derivadas parciais; Matriz Jacobiana. 2
3 Princípio de Aplicação É aplicado em um problema de aprendizagem supervisionada com mapeamento funcional g(x;w). Deve-se definir uma função de erro E(w) dos parâmetros livres w. A forma analítica do E é desconhecida; O valor do E para um argumento concreto E(τ) é calculável; É diferenciável em relação aos w = (w0,, wi,..., wd)t : d E(w) d w =grad E(w)= E(w) O valor de E(w( τ)) para o argumento concreto w(τ) é calculável. 3
4 Exemplo Abra o Octave e crie uma função para retornar o resultado de: f(x) = (x cos(2 (x - 4.5)))² + 2 (x - 5) + 4 Crie um vetor x dentre 9,5 à 11,5, com intervalos de 0,1. Plote o gráfico dessa função. Crie um ponto x1 = 11,4. Obtenha o valor desse x1 na função; Plote-o no gráfico: plot(x1, funcao(x1), 'r*') Tente o mesmo com x1 = 9,6. Baseando-se no gradiente, encontre o mínimo da função: Com um ponto, calcule a derivada: f '(x) = Δy/Δx f '(x)< 0 ou f '(x) > 0 ; Agora, vá na direção oposta do gradiente; Princípio da descida do gradiente: y (1)= y (0) ηf ' (x), η>0 w(1)=w(0)+δ w(0)=w(0)+η( E(w)) 4
5 Descida do Gradiente Fato: E(w) cresce na direção positiva do gradiente. em vizinhança próxima ao valor concreto w(τ) Estratégia: Assim, E(w) decresce na direção negativa (oposta) do gradiente. Então, o valor de w(τ) é modificado iterativamente nessa direção, usando um múltiplo do gradiente negativo. Efeitos: w(τ+1)=w(τ)+η[ E(w(τ))] η=taxa de aprendizagem w(0)=valor inicial Convergência de E(w) para um mínimo; Mínimo atingido não necessariamente é o mínimo global. η pequena aprendizagem lenta η grande oscilações, divergências. 5
6 Encontraram o mínimo da função? 6
7 Tentem plotar a mesma função com: X = -20:0.1:20; Agora encontre seu mínimo! 7
8 Exemplos Supondo o conhecimento analítico de E(w) e η = 0,2 Encontre o mínimo para: a) E(w) = w 2, com w(0) = 3 b) E(w) = 0,034w 4 0,02w 3 0,12w 2 + 0,35w + 4, com w(0) = -6 Após isso, plote as funções e os pontos de iteração no gráfico gerado. 8
9 Encontrando o argumento mínimo 1-D Busca-se o x* = arg min f(x) Não tem-se a função, mas possui-se o valor de entrada (x i ) e o resultado (y i =f(x i )) para encontrar o mínimo. Escolhe-se então um valor aleatório de x i e obtém-se seu resultado. Então, obtém-se sua derivada (que é seu gradiente) e caminha-se sentido contrário. Lembrando-se que a função em 1-D é uma reta. x i+1 =x i +η( f ' (x i )) f (x i+1 )<f (x i ) x i+1 ε pequeno 9
10 Encontrando o argumento mínimo 2-D Busca-se f(x) ( x 1 x 2) =argmin f ( x 1 x 2) Seu gradiente é definido por f (x) f x (x)=( 1 ) f (x) x 2 Lembrando-se que a função em 2-D é um plano. Caminha-se no sentido contrário de E. x 2 x(0) E E -η E x 1 10
11 Atividade Encontre o argumento mínimo em: f (x 1 x 2) =f ( 3 x x 2) = 3 x x 2 Sendo: w(τ+1)=w( τ)+η( E(w)) w j (τ+1)=w( τ) η ( E(w) w j (τ) ), j=1,...,d RSS(w)=E(w)=( ŷ y) T ( ŷ y)= ŷ y 2 ŷ (k) (w)=w. x (k) 11
12 Aprendizagem supervisionada com descida de gradiente Em problemas lineares: ŷ i (x;w) = w i. x; A definição da função de erro é: E(w)=E[ ŷ(w) y 2 ] Aproximado por: n Ê(w)= 1 n ŷ (k) (x (k) ;w) y (k) 2 k=1 12
13 Aprendizagem supervisionada com descida de gradiente Discrepância entre o desejado e o calculado: δ= ŷ y Para o k-ésimo exemplo:δ (k) = ŷ (x (k) ;w) y (k) Problema Linear: δ (k ) =w. x (k ) y (k) Erro individual para = ( o k-ésimo padrão: δ k δ (k) k) 2 δ c 13
14 Aprendizagem supervisionada com descida de gradiente Erro global aproximado: n Ê(w)= 1 n δ (k) 2 = 1 k=1 n i=1 c n k=1 [δ i (k) ] 2 n = 1 n k=1 {[δ 1 (1) δ c (1)2 ]+...+[δ 1 (n) δ c (n)2 ]} n = 1 n k=1 {[δ 1 (1) δ 1 (n)2 ]+...+[δ c (1) δ c (n)2 ]} 14
15 Utilização da Função de Erro Aprendizagem Estocástica: Após a apresentação de cada padrão individual x (k) (em ordem aleatória) E (k) (w) e ajustar w usando o princípio de descida de gradiente. Aprendizagem em Lote (batch): Utilizar o erro acumulado sobre todos os n padrões: n E(w)= 1 n k=1 E (k) (w) w(τ+1)=w( τ)+η( E(w)) 15
16 c E (k ) (W i )= i=1 E (k) (w i )/ w ij = c =2. i=1 c =2. i=1 c [δ (k ) ] 2 = i=1 c i=1 [w i x (k ) (k y ) i ] 2 E gradiente E (k ) (w i )=( (k) (w i )/ w i0 E (k ) (w i )/ w ij... E (k) (w i )/ w id) (δ (k) ) 2 w ij = c i=1 (δ (k ) ) 2 c w ij = i=1 [w i x (k) y i ] 2 w ij = [w i x (k) y i ]. [w i0 x (k) w ij x (k) (k j +...+w id x ) d ] w ij δ i (k ). x j E i (k) =2.δ (k ). x j w ij (τ+1)=w ij (τ)+η' [ 2δ i (k ). x j ] =w ij (τ) η[δ i (k). x j ] 16
17 Então: c E (k ) (W i )= i=1 [w i x (k) y i (k ) ] 2 E E (k ) (w i )=( (k) (w i )/ w i0 E (k) (w i )/ w (k ij... E (k) (w i )/ w id)=2.δ ). x j w ij (τ+1)=w ij (τ)+η' [ 2δ i (k ). x j ] =w ij (τ) η[δ i (k). x j ] 17
18 Treino Estocástico: Para k=1,, n (aleatório): Para i=1,,c : Para j=0,,d: w(τ+1)=wij(τ) ηδ (k) (k) i x j Em Lote (Batch): n E= k=1 E (k) n E(w i )=2. k=1 δ (k) (k) i X j W ij (τ+1)=w ij (τ) η. 1 n k=1 n δ (k) (k) i X j 18
19 Momento O Momento é uma heurística para melhorar a convergência. W (τ+1)=w (τ)+δ W (τ) ΔW (τ)= η E(W (τ))+μ Δ W (τ+1) Parâmetro de Momento > 0 E(w) Efeito sem momento: μ = 0 Desaceleração com η fixo E(w) Com e sem momento. Em caso de oscilação, cancelamento mútuo dos termos com momento W E(w) Efeito com momento: μ > 0 Menor desaceleração W W 19
20 Descida de Gradiente y i = Z(W i X) = Z( net(x j W i ) ). Regra de Delta: W ij (τ+1)=w ij (τ) η E(w) w(τ) Z W i X = net w i0 w ij w id (k E ) (k (W i ) =δ ) i = ŷ (k) (k i y ) i =Z (W i X (k) (k ) ) y i E(W ij )= E =2.δ (k) (k) W i (W i ).Z ' (net). X j ij X 0 =1 X... X d E =2.δ (k) (k ) W i (W i ).(1 net '). X j ij 20
Aula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisMLP (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 maisPP 301 Engenharia de Reservatórios I 11/05/2011
PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo
Leia maisModelos 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 mais2 Modelo para o Sistema de Controle de Estoque (Q, R)
Modelo para o Sistema de Controle de Estoque (, ) Neste capítulo é apresentado um modelo para o sistema de controle de estoque (,). Considera-se que a revisão dos estoques é continua e uma encomenda de
Leia maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Leia maisInteligência Artificial. Redes Neurais Artificiais
Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:
Leia maisInteligência de Enxame: PSO
! A otimização por enxame de partículas: «É baseada em uma estratégia inspirada no voo dos pássaros e movimento de cardumes de peixes; «Permite a otimização global de um função objetivo A função objetivo
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisMESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 04. Prof. Dr. Marco Antonio Leonel Caetano
MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 04 Prof. Dr. Marco Antonio Leonel Caetano Guia de Estudo para Aula 04 Aplicação de Produto Escalar - Interpretação do produto escalar
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisAlgoritmos Construtivos. Prof. Júlio Cesar Nievola PPGIA PUCPR Especialização em Inteligência Computacional
Algoritmos Construtivos PPGIA PUCPR Introdução Motivação: transformar o treinamento em um problema simples de aprendizagem de uma célula: Algoritmo da torre Algoritmo da pirâmide Algoritmo de correlação
Leia maisEsboço de Curvas. Material online: h-p://www.im.ufal.br/professor/thales/calc1-2010_2.html
Esboço de Curvas Material online: h-p://www.im.ufal.br/professor/thales/calc1-2010_2.html Roteiro para esboçar uma curva A. Verifique o domínio da função Exemplo: f(x) = 1 x {x x = 0} Roteiro para esboçar
Leia maisCÁLCULO DE ZEROS DE FUNÇÕES REAIS
15 CÁLCULO DE ZEROS DE FUNÇÕES REAIS Um dos problemas que ocorrem mais frequentemente em trabalhos científicos é calcular as raízes de equações da forma: f() = 0. A função f() pode ser um polinômio em
Leia maisTrabalho Computacional. A(h) = V h + 2 V π h, (1)
Unidade de Ensino de Matemática Aplicada e Análise Numérica Departamento de Matemática/Instituto Superior Técnico Matemática Computacional (Mestrado em Engenharia Física Tecnológica) 2014/2015 Trabalho
Leia maisBUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH)
BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH) Francisco A. M. Gomes 1º sem/2009 MT852 Tópicos em pesquisa operacional Iterated local search (ILS) Método que gera uma sequência de soluções obtidas por
Leia maisA Otimização Colônia de Formigas
A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisRedes Neurais. Mapas Auto-Organizáveis. 1. O Mapa Auto-Organizável (SOM) Prof. Paulo Martins Engel. Formação auto-organizada de mapas sensoriais
. O Mapa Auto-Organizável (SOM) Redes Neurais Mapas Auto-Organizáveis Sistema auto-organizável inspirado no córtex cerebral. Nos mapas tonotópicos do córtex, p. ex., neurônios vizinhos respondem a freqüências
Leia maisAula 7 Valores Máximo e Mínimo (e Pontos de Sela)
Aula 7 Valores Máximo e Mínimo (e Pontos de Sela) MA - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia mais9. Derivadas de ordem superior
9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de
Leia maisIA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia
Leia maisDificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril
15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica
Leia maisBC-0005 Bases Computacionais da Ciência. Modelagem e simulação
BC-0005 Bases Computacionais da Ciência Aula 8 Modelagem e simulação Santo André, julho de 2010 Roteiro da Aula Modelagem O que é um modelo? Tipos de modelos Simulação O que é? Como pode ser feita? Exercício:
Leia maisRegressão Linear Multivariada
Regressão Linear Multivariada Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho / 37 UFCG DSC Roteiro. Introdução 2. Modelo de Regressão Multivariada 3. Equações Normais
Leia mais1 Propriedades das Funções Contínuas 2
Propriedades das Funções Contínuas Prof. Doherty Andrade 2005 Sumário 1 Propriedades das Funções Contínuas 2 2 Continuidade 2 3 Propriedades 3 4 Continuidade Uniforme 9 5 Exercício 10 1 1 PROPRIEDADES
Leia maisCI202 - Métodos Numéricos
CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem
Leia maisOrganizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como
Leia maisCadeias de Markov. Geovany A. Borges gaborges@ene.unb.br
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Cadeias de Markov Geovany A. Borges gaborges@ene.unb.br
Leia maisTutorial MATLAB 6.5. Thaís Rodrigues Tonon RA: 046655 Turma B
Tutorial MATLAB 6.5 Thaís Rodrigues Tonon RA: 046655 Turma B 1 Índice 1. Introdução...2 2. O MATLAB...3 3. O Uso do MATLAB...4 3.1 Limites...6 3.1.1 Limites à esquerda e à direita...6 3.2 Derivadas...8
Leia maisGeometria Computacional
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Universidade Federal do Espírito Santo CCA UFES Geometria Computacional Tópicos Especiais em Programação
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
Problemas de Valor Inicial para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados
Leia maisESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA ESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS EM CENÁRIOS DE ALTA LUMINOSIDADE ALUNO: MARCOS VINÍCIUS
Leia maisAlgoritmos Genéticos: Aspectos Práticos. Estéfane G. M. de Lacerda DCA/UFRN Junho/2009
: Aspectos Práticos Estéfane G. M. de Lacerda DCA/UFRN Junho/2009 Principais Tópicos População Inicial Funções Objetivo de Alto Custo Critérios de Parada Convergência Prematura Diversidade Tipos de Substituição
Leia maisEXPERIÊNCIA Nº 2 1. OBJETIVO
Universidade Federal do Pará - UFPA Faculdade de Engenharia da Computação Disciplina: Laboratório de Eletrônica Analógica TE - 05181 Turma 20 Professor: Bruno Lyra Alunos: Adam Dreyton Ferreira dos Santos
Leia maisUniversidade Federal do Espírito Santo Departamento de Informática 1 o Trabalho de Algoritmos Numéricos - 11/1. Sistemas Lineares
Universidade Federal do Espírito Santo Departamento de Informática 1 o Trabalho de Algoritmos Numéricos - 11/1 Data de entrega: 22/05/11 Sistemas Lineares (Cursos: Física e Matemática) Objetivo Implementar
Leia maisIntegrais Duplas e Coordenadas Polares. 3.1 Coordenadas Polares: Revisão
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo Terra Cunha Integrais Duplas e Coordenadas Polares Nas primeiras aulas discutimos integrais duplas em algumas regiões bem adaptadas às coordenadas
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 1 o semestre de 2009/2010 - LEMat e MEQ Teoria de erros e Representação de números no computador Nos exercícios deste capítulo os números são representados em base
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisIntrodução à Computação Forense
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Universidade Federal do Espírito Santo CCA UFES Introdução à Computação Forense Computação Forense
Leia maisGOVERNO DO ESTADO DE MATO GROSSO SECRETARIA DE ESTADO DE CIÊNCIA E TECNOLOGIA UNIVERSIDADE DO ESTADO DE MATO GROSSO
EDITAL COMPLENTAR N 001 AO EDITAL N 003/2012 UNAT A, no uso de suas atribuições legais e em cumprimento das normas previstas no artigo 37, inciso IX, da Constituição Federal, de 5 de outubro de 1988, Decreto
Leia maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisREPRESENTAÇÃO DE SUPERFÍCIES. Introdução ao Projeto e Manufatura assistido por Computador PROF. ALTAMIR DIAS
REPRESENTAÇÃO DE SUPERFÍCIES Introdução ao Projeto e Manufatura assistido por Computador PROF. ALTAMIR DIAS 17/4/2001 1 Introdução Superfícies são usadas: projeto de forma e representação de objetos complexos
Leia mais4.2 Produto Vetorial. Orientação sobre uma reta r
94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,
Leia maisRecursos. Um recurso é ou um dispositivo físico (dedicado) do hardware, ou Solicitar o recurso: esperar pelo recurso, até obtê-lo.
Um recurso é ou um dispositivo físico (dedicado) do hardware, ou um conjunto de informações, que deve ser exclusivamente usado. A impressora é um recurso, pois é um dispositivo dedicado, devido ao fato
Leia maisUma Ferramenta para otimização em Engenharia Mecânica e aplicações na Fundição Eletromagnética de Metais
Uma Ferramenta para otimização em Engenharia Mecânica e aplicações na Fundição Eletromagnética de Metais Departamento de Engenharia Mecânica COPPE UFRJ STIC-AMSUD, Novembro de 2009 Conteúdo Preliminares
Leia maisAgrupamento de dados
Organização e Recuperação de Informação: Agrupamento de dados Marcelo K. A. Faculdade de Computação - UFU Agrupamento de dados / 7 Overview Agrupamento: introdução Agrupamento em ORI 3 K-médias 4 Avaliação
Leia maisRedes Neuronais e Aprendizagem Automática 1
Redes Neuronais e Aprendizagem Automática 2005/2006 17 a aula Fernando.Silva@ist.utl.pt Instituto Superior Técnico Redes Neuronais e Aprendizagem Automática 1 Sumário Árvores de decisão (continuação) Entropia.
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos
Leia mais3. REDES DE CAMADA ÚNICA
3. REDES DE CAMADA ÚNICA Perceptron Forma mais simples de RN Utilizado para classificação de padrões (linearmente separáveis) Consiste em um único neurônio, com pesos sinápticos ajustáveis e bias 3.1 Funções
Leia maisSistemas de Detecção de Intrusão SDI
PEP Auditoria e Segurança de Redes de Computadores Sistemas de Detecção de Intrusão SDI Jacson Rodrigues Correia da Silva Sistemas de Detecção de Intrusão Monitor de informações que atravessam o firewall
Leia mais(x, y) = (a, b) + t*(c-a, d-b) ou: x = a + t*(c-a) y = b + t*(d-b)
Equação Vetorial da Reta Dois pontos P e Q, definem um único vetor v = PQ, que representa uma direção. Todo ponto R cuja direção PR seja a mesma de PQ está contido na mesma reta definida pelos pontos P
Leia maisPlano de aula. 5. Metodologia: Aula expositiva dialógica orientada pela interação: alunos professor conhecimento.
Campus Jataí Plano de aula Disciplina: Ondas, Ótica e Termodinâmica Turma: Engenharia Elétrica (4º ano 2009/2) Professor: Rodrigo Claudino Diogo Data da aula: 30/11/2009 Duração: 1h00min 1. Tema: Lentes
Leia maisMétodos de mapeamento para fenômenos qualitativos e quantitativos
IT 508 - Cartografia Temática Representação cartográfica: Métodos de mapeamento para fenômenos qualitativos e quantitativos Profa.. Juliana Moulin Segundo os métodos padronizados, conforme o uso das variáveis
Leia maisNotas de aula número 1: Otimização *
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL UFRGS DEPARTAMENTO DE ECONOMIA CURSO DE CIÊNCIAS ECONÔMICAS DISCIPLINA: TEORIA MICROECONÔMICA II Primeiro Semestre/2001 Professor: Sabino da Silva Porto Júnior
Leia maisRoda de Samba. Série Matemática na Escola
Roda de Samba Série Matemática na Escola Objetivos 1. Apresentar uma aplicação de funções quadráticas; 2. Analisar pontos de máximo de uma parábola;. Avaliar o comportamento da parábola com variações em
Leia mais4 Estratégias para Implementação de Agentes
Estratégias para Implementação de Agentes 40 4 Estratégias para Implementação de Agentes As principais dúvidas do investidor humano nos dias de hoje são: quando comprar ações, quando vendê-las, quanto
Leia maisClusterização em Redes Sociais Através do Simulated Annealing Não Monotônico
Clusterização em Redes Sociais Através do Simulated Annealing Não Monotônico Humberto César Brandão de Oliveira humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento (LP&D) Universidade
Leia maisLENTES. Identificar as principais características dos raios luminosos ao atravessar uma lente. Determinar a distância focal de uma lente convergente.
LENTES Objetivos: Identificar as principais características dos raios luminosos ao atravessar uma lente. Determinar a distância focal de uma lente convergente. Teoria: As lentes são formadas por materiais
Leia mais'LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU *OREDOGR(VWDGRGR56
LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU OREDOGR(VWDGRGR56 6X]DQH5DQ]DQ 6LPRQH0&HUH]HU&ODRGRPLU$0DUWLQD]]R Universidade Regional Integrada do Alto Uruguai e das Missões, Departamento de
Leia maisAlém de minimizar o número de objetos processados, problema de corte unidimensional
imização do número de objetos processados e do setup no problema de corte unidimensional Márcia Ap. Gomes-Ruggiero, Antonio Carlos Moretti, Momoe Sakamori Depto de Matemática Aplicada, DMA, IMECC, UNICAMP,
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisPesquisa Operacional. Função Linear - Introdução. Função do 1 Grau. Função Linear - Exemplos Representação no Plano Cartesiano. Prof.
Pesquisa Operacional Prof. José Luiz Prof. José Luiz Função Linear - Introdução O conceito de função é encontrado em diversos setores da economia, por exemplo, nos valores pagos em um determinado período
Leia maisAnais do XV ENCITA 2009, ITA, Outubro, 19-22, 2009,
Anais do 5 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 9 a 009. INTERPOLAÇÃO PARABÓLICA EM INTEGRADOR
Leia maisGestão de Stocks. Maria Antónia Carravilla. Março 2000. Maria Antónia Carravilla
Gestão de Stocks Março 2000 Introdução Objectivos Perceber o que é o stock Saber como classificar stocks Saber fazer uma análise ABC Saber comparar modelos de gestão de stocks Saber utilizar modelos de
Leia maisPrevisão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais
Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José
Leia maisProva de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007
Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 A Nome: RG: Assinatura: Instruções A duração da prova é de duas horas. Assinale as alternativas corretas na folha de respostas que está
Leia maisNUMEROS COMPLEXOS NA FORMA TRIGONOMÉTRICA
NUMEROS COMPLEXOS NA FORMA TRIGONOMÉTRICA Na representação trigonométrica, um número complexo z = a + bi é determinado pelo módulo do vetor que o representa e pelo ângulo que faz com o semi-eixo positivo
Leia maisEsboço de Gráficos (resumo)
Esboço de Gráficos (resumo) 1 Máximos e Mínimos Definição: Diz-se que uma função tem um valor máximo relativo (máximo local) em c se existe um intervalo ( a, b) aberto contendo c tal que f ( c) f ( x)
Leia maisAula 6 Derivadas Direcionais e o Vetor Gradiente
Aula 6 Derivadas Direcionais e o Vetor Gradiente MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual
Leia mais1 Descrição do Trabalho
Departamento de Informática - UFES 1 o Trabalho Computacional de Algoritmos Numéricos - 13/2 Métodos de Runge-Kutta e Diferenças Finitas Prof. Andréa Maria Pedrosa Valli Data de entrega: Dia 23 de janeiro
Leia maisConstrução de modelos: 1 estimativa dos parâmetros que melhor ajustam os modelos aos dados, 2 selecionar aqueles modelos que tem o melhor ajuste
Verossimilhança Construção de modelos: 1 estimativa dos parâmetros que melhor ajustam os modelos aos dados, 2 selecionar aqueles modelos que tem o melhor ajuste Métrica usada para avaliar o ajuste Verossimilhança:
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisCálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br
Cálculo Numérico ECA / 4 créditos / 60 h Introdução, Erros e Matlab Ricardo Antonello www.antonello.com.br Conteúdo Erros na fase de modelagem Erros na fase de resolução Erros de arredondamento Erros de
Leia maisRedes Neurais Artificiais: Funções de Base Radial
Treinamento COELCE CEFET UFC MÓDULO II 2008.1 Redes Neurais Artificiais: Funções de Base Radial Prof. Dr. Guilherme de Alencar Barreto Depto. Engenharia de Teleinformática (DETI/UFC) URL: www.deti.ufc.br/~guilherme
Leia maisNoções Sobre Teoria de Estoques. Tamilyn Toma Liozzi (RA: 118729) Ricardo de Andrade Corder (RA: 139079)
Noções Sobre Teoria de Estoques Tamilyn Toma Liozzi (RA: 118729) Ricardo de Andrade Corder (RA: 139079) Exemplo (Luz Consultoria) Há tempos atrás, atendemos uma oficina mecânica aqui no Rio. Segundo os
Leia maisA Otimização Nuvem de Partículas (particle swarm)
A Otimização Nuvem de Partículas (particle swarm) Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 20/06/2007 Índice Introdução Algoritmo Nuvem de Partículas Interpretação
Leia maisMatemática Aplicada Mestrados em Engenharia Industrial e Engenharia Química
Matemática Aplicada Mestrados em Engenharia Industrial e Engenharia Química Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 1 o Semestre 2008/2009
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisMESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 02. Prof. Dr. Marco Antonio Leonel Caetano
MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 02 Prof. Dr. Marco Antonio Leonel Caetano 1 Guia de Estudo para Aula 02 Comandos de Repetição - O Comando FOR - O comando IF com o comando
Leia maisInterpolação de Curvas de Nível por Difusão de Calor
Interpolação de Curvas de Nível por Difusão de Calor ROBERTO DE BEAUCLAIR SEIXAS LUIZ HENRIQUE DE FIGUEIREDO CLAUDIO ANTONIO DA SILVA IMPA Instituto de Matemática Pura e Aplicada VISGRAF Laboratório de
Leia maisUtilizando-se as relações entre as funções básicas é possível obter as demais funções de sobrevivência.
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesta abordagem paramétrica, para estimar as funções básicas da análise de sobrevida, assume-se que o tempo de falha T segue uma distribuição
Leia maisPARA A CONSTRUÇÃO DOS GRÁFICOS
1 PARA A CONSTRUÇÃO DOS GRÁFICOS Apresentamos dois materiais feitos por estudantes do Curso de Psicologia da Faculdade de Ciências Humanas e da Saúde para construção de gráficos. As instruções das páginas
Leia maisInteligência de Enxame: ACO
Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.!
Leia maisNÍVEL BÁSICO CAPÍTULO III
UNIVERSIDADE FEDERAL DO PARÁ CENTRO TECNOLÓGICO DEPARTAMENTO DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO PROGRAMA DE EDUCAÇÃO TUTORIAL SEMANA DOS 40 ANOS DE ENGENHARIA ELÉTRICA NÍVEL BÁSICO CAPÍTULO III PROGRAMA
Leia maisProgramação Não Linear Otimização Univariada E Multivariada Sem Restrições
Programação Não Linear Otimização Univariada E Multivariada Sem Restrições A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um prolema. Eiste um conjunto particular de prolemas
Leia maisINTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL. O que é Pesquisa Operacional?
INTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL O que é Pesquisa Operacional? Denomina-se Management Sciences (Ciência de Negócios) a área de estudos que utiliza computadores, estatística e matemática para
Leia maisCAP4: Distribuições Contínuas Parte 1 Distribuição Normal
CAP4: Distribuições Contínuas Parte 1 Distribuição Normal Quando a variável sendo medida é expressa em uma escala contínua, sua distribuição de probabilidade é chamada distribuição contínua. Exemplo 4.1
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisUtilizando o EXCEL Solver
Utilizando o EXCEL Solver Outubro de 2000 2 A opção Solver no Excel pode ser utilizada para resolver problemas de otimização lineares e nãolineares. As restrições de inteiros podem ser colocadas nas variáveis
Leia maisAcima temos a tela inicial do programa. USANDO O PHTOFILTER
USANDO O PHTOFILTER O PhotoFilter é um programa simples, mas, com grande capacidade de edição. Embora ele não tenha o poder do Photoshop, é possível com um pouco de criatividade conseguir ótimos resultados.
Leia maisVisualização via Maple 12 de uma função contínua em toda a reta real que não possui derivada em ponto algum do domínio
Visualização via Maple 2 de uma função contínua em toda a reta real que não possui derivada em ponto algum do domínio Adilandri M. Lobeiro, Diogo H. Macowski, Wellington J. Corrêa, Sara C. Silva. UTFPR
Leia maisRNAs, Classificação de Padrões e Motivação Geométrica. Conteúdo
RNAs, Classificação de Padrões e Motiação Geométrica Conteúdo. O problema do OU-eclusio.... Um problema mais geral de mapeamento não-linear... 0 3. Mapeamentos não-lineares genéricos... 4 4. Redes neurais
Leia mais