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

Tamanho: px
Começar a partir da página:

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

Transcrição

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

2 Tópicos Redes diretas de múltiplas camadas: MLP (Perceptron de múltiplas camadas). Algoritmo de treinamento: Regra delta generalizada. 2

3 Motivação As redes Perceptron e Adaline são formadas por uma única camada de neurônios baseada na função de ativação degrau, assim permitindo apenas classificação de funções linearmente separáveis, através da formação de equação de uma reta. A evolução da rede Adaline é a rede MADALINE (redes com duas camadas). Porém, essas redes continuavam limitadas a classificação de padrões que dependem de combinação de retas. 3

4 Motivação A necessidade de criar outras arquiteturas surgiu da necessidade de classificar padrões mais complexos, como o exemplo da porta XOR. Solução: Redes com múltiplas camadas: Perceptron de múltiplas camadas (MLP). 4

5 Motivação Com as redes de múltiplas camadas é possível classificar grupos de problemas não linearmente separáveis. 5

6 Perceptron de Multiplas Camadas (MLP) A MLP é uma rede direta de múltiplas camadas conectadas. A rede contêm uma camada de entrada (apenas com os estímulos da rede), uma camada de saída e uma ou várias camadas ocultas. Cada camada é formada por um ou vários neurônios. Os neurônios de uma cada só podem ser conectados aos neurônios de camadas posteriores ou anteriores. 6

7 Perceptron de Multiplas Camadas (MLP) 7

8 Perceptron de Multiplas Camadas (MLP) As redes MLP são bastante aplicadas na classificação de funções complexas devido à utilização do algoritmo de treinamento de retropropagação do erro (Backpropagation) ou de variações desse algoritmo. Algoritmo Backpropagation é baseada na regra delta, sendo conhecido também como regra delta generalizada. 8

9 Algoritmo de treinamento: Backpropagation O algoritmo de treinamento backpropagation divide o processo em dois passos: Propagação do erro: Pesos fixos para calcular os sinais funcionais. Retropropagação do erro: Os erros são ajustados através dos erros calculados. Propagação Pesos fixos N N Ajuste dos pesos N Retropropagação 9

10 Etapa de propagação: Cálculo dos sinais funcionais Supondo uma MLP como mostrada abaixo. Na etapa de propagação são calculados todos os sinais funcionais (u 1, y 1, u 2, y 2, u 3, y 3 ). 10

11 Etapa de Retropropagação: Ajuste dos pesos sinápticos 11

12 Ajuste dos pesos sinápticos O erro na saída do neurônio 3 (terceira camada / camada de saída): e 3 k = d 3 k y 3 k O valor instantâneo da energia total do erro (E(k)) é obtido por: m E k = 1 e 2 j (k), j=1 m é o número de neurônios da camada de saída. O valor médio da energia total do erro (E m ) é obtido por: N E m = 1 E(n), N n=1 sendo N o número de exemplos de treinamento. 12

13 Ajuste dos pesos sinápticos Ajuste do pesos: w novo (k) = w antigo (k) + w(k) Correção do peso: w(k) = η E(k) w(k) Encontrar o valor mínimo da função de erro (E) 13

14 Ajuste dos pesos sinápticos Supondo o neurônio j na camada de saída: Neurônio i w ji Camada de saída Neurônio j Gradiente do erro: E(k) w ji (k) = E(k) e j (k) e j k y j k y j k u j k u j(k) w ji (k) 14

15 Ajuste dos pesos (Neurônio de saída) E(k) w ji (k) = E(k) e j (k) e j k y j k y j k u j k u j(k) w ji (k) E k = 1 2 e j 2 k E(k) e j (k) = e j(k) y j k = f j u j y j k u j k = f j (u j ) e j k = d j k y j (k) e j k y j k = 1 u j = w ji k y i k u j (k) w ji (k) = y i(k) 15

16 Gradiente local (Neurônio de saída) E(k) w ji (k) = E(k) e j (k) e j k y j k y j k u j k u j(k) w ji (k) E(k) w ji (k) = e j k f j u j k y i k E k w ji k = η w ji k = η δ j k y i k, onde δ j k é o gradiente local. Gradiente local δ j k (Neurônio na camada de saída): δ j k = E k u j k = e j k f j u j k 16

17 Gradiente local (Neurônio na camada oculta) Neurônio i w ji Camada oculta Neurônio j w sj Camada de saída Neurônio s Quando o neurônio j não é um neurônio da camada de saída, o gradiente local não pode ser calculado como mostrado anteriormente. E k δ j k = u j k = E k e j k e j k y j k y j k u j k = e j k f j u j k e j k = d j k y j (k) A saída do neurônio não é uma saída do sistema. 17

18 Gradiente local (Neurônio Oculto) Gradiente local δ j k (Neurônio em camada oculta): E k δ j k = u j k = E k y j k y j(k) u j (k) δ j k = E k y j k f (u j k ) E k = 1 2 E(k) y j (k) = s e s 2 k e s e s (k) y j (k) E(k) y j (k) = s e s (k) u s (k) e s u s (k) y j (k) e s k = d s k y s k = d s k f s u s k e s (k) u s (k) = f s (u s k ) 18

19 Gradiente local (Neurônio Oculto) Gradiente local δ j k (Neurônio em camada oculta): E(k) y j (k) = s δ j k = e s (k) u s (k) e s u s (k) y j (k) e s k = d s k y s k = d s k f s u s k e s (k) u s (k) = f s (u s k ) E k y j k f (u j k ) u s k = w sj k y j (k) u s (k) y j (k) = w sj(k) E(k) y j (k) = s E(k) y j (k) = s e s f s u s k w sj k δ s (k) w sj k 19

20 Gradiente local (Neurônio Oculto) Gradiente local δ j k (Neurônio em camada oculta): δ j k = f u j k s δ s (k) w sj k Gradiente local do neurônio da camada oculta. Gradiente local dos neurônios da camada de saída. Pesos. 20

21 Atualização dos pesos w ji k = w ji k + w ji (k) Taxa de aprendizagem Gradiente local Estímulos do neurônio j w ji (k) = η * δ j (k) * y i (k) Neurônio da camada de saída Neurônio da camada oculta δ j k = e j k f j u j k δ j k = f u j k δ s (k) w sj k s 21

22 Passos do Algoritmo Backpropagation 22

23 Algoritmo Backpropagation 23

24 Algoritmo Backpropagation 1. Obter o conjunto de amostras de treinamento {x k }. 2. Associar a saída desejada {d k } para cada amostra obtida. 3. Iniciar o vetor de pesos {w} com valores aleatórios pequenos. 4. Especificar a taxa de aprendizagem {η}, precisão requerida {ε} e o número máximo de épocas. 5. Iniciar o contador do número de épocas {epoca 0} 6. Repetir as instruções: 1. E anterior m E m ; 2. Para todas as amostras de treinamento {x k, d k }, faça: 1. Passos de propagação e retropropagação. 3. E m atual E m ; 4. epoca epoca + 1; Até que: (( E atual m E anterior m 7. Final do treinamento. ε) ou (epoca >= epocamaxima)). 24

25 Algoritmo Backpropagation Repetir as instruções: 1. E m anterior E m ; 2. Para todas as amostras de treinamento {x k, d k }, faça: 1. Passos de propagação: Obter sinais de saídas dos neurônios das camadas ocultas até a camada de saída. 2. Passos da retropropagação: Determinar o gradiente local e o ajuste dos pesos partindo da camada de saída até a primeira camada oculta. 3. E m atual E m ; 4. epoca epoca + 1; Até que: (( E m atual E m anterior ε ) ou (epoca >= epocamaxima)). 25

26 Próxima aula: Implementação da MLP 26

27 Rede MLP para solucionar o problema XOR Implementação de uma rede neural MLP para solucionar o problema da porta XOR. Implementação na linguagem Octave. GNU Octave 27

28 Arquitetura da Rede MLP X1 1 w 11 1 w 12 N1 2 w 11 1 w 13 N2 2 w 21 Y 1 w 21 1 w 22 X2 1 w 23 N3 2 w 31 Função linear: f x = x Função sigmoide (modificada): 2 f x = 1 + e 2x 1 28

29 Revisando Vantagens das redes de múltiplas camadas. Estrutura das redes de múltiplas camadas. MLP (Perceptron de múltiplas camadas) Algoritmo de treinamento: Backpropagation / regra delta generalizada. Propagação: Sinais funcionais. Retro propagação: Gradiente local: Neurônio de saída x Neurônio oculto?? 29

30 Referências 1. Haykin, Simon S. Redes neurais artificiais: princípio e prática. 2ª ed. São Paulo: Bookman, Lima, Isaías; Pinheiro, Carlos; Oliveira Santos, Flávia. Inteligência artificial. Rio de Janeiro: Elsevier,

31 Referências 3. CASTRO, Leandro Nunes de. Análise e síntese de estratégias de aprendizado para redes neurais artificiais. Campinas: FEEC, UNICAMP. Dissertação de Mestrado - Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, p. 250,

32 Dúvidas? Dúvidas por 32

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

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

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

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

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

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

Estruturas de controle: Estrutura de DECISÃO

Estruturas de controle: Estrutura de DECISÃO Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Estruturas de controle: Estrutura de DECISÃO DCA0800 - Algoritmos e Lógica de Programação Heitor Medeiros

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

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

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

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

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

Noções de Algoritmos

Noções de Algoritmos Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Noções de Algoritmos DCA0800 - Algoritmos e Lógica de Programação Heitor Medeiros 1 Tópicos da aula Algoritmos

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

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

Porta Lógica XOR Digital Neural

Porta Lógica XOR Digital Neural Anais do 12 o Encontro de Iniciação Científica e Pós Graduação do ITA XII ENCITA/2006 Instituto Tecnológico de Aeronáutica, São José dos Campos, SP, Brasil, Outubro, 16 a 19, 2006 Porta Lógica XOR Digital

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. 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

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

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

.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

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

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

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

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

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

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

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

Inteligência Artificial. Redes Neurais Artificiais

Inteligência 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 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

3 REDES NEURAIS ARTIFICIAIS

3 REDES NEURAIS ARTIFICIAIS 50 3 REDES NEURAIS ARTIFICIAIS Este capitulo apresenta uma descrição sucinta da teoria básica de Redes Neurais Artificiais e sobre a criação do Comitê de Redes Neurais. Se o leitor estiver familiarizado

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

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

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

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

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

Previsão de séries temporais mediante redes neurais

Previsão de séries temporais mediante redes neurais Previsão de séries temporais mediante redes neurais Aluna: João Pedro Mano Orientadora: Celia Anteneodo Introdução Atualmente, com o crescimento dos mercados financeiros, e com as mudanças bruscas nos

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

Sistemas de equações lineares

Sistemas de equações lineares É um dos modelos mais u3lizados para representar diversos problemas de Engenharia (cálculo estrutural, circuitos elétricos, processos químicos etc.) Conservação da carga: i 1 i 2 i 3 = 0 i 3 i 4 i 5 =

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

Apresentação da disciplina Inteligência Artificial Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO

Apresentação da disciplina Inteligência Artificial Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO Apresentação da disciplina Inteligência Artificial Análise e Desenvolvimento de Sistemas 1 Inteligência Artificial Informações Gerais Curso: Análise e Desenvolvimento de Sistemas (ADS) Ano letivo: 2016.2

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

1. Introdução. 1.1.Objetivo

1. Introdução. 1.1.Objetivo 1. Introdução 1.1.Objetivo O objetivo desta dissertação é desenvolver um sistema de controle por aprendizado acelerado e Neuro-Fuzzy baseado em técnicas de inteligência computacional para sistemas servo-hidráulicos

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

Comparação de Modelos Neurais Aplicados a Resistência de Fornos de Redução do Alumínio Primário

Comparação de Modelos Neurais Aplicados a Resistência de Fornos de Redução do Alumínio Primário Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Comparação de Modelos Neurais Aplicados a Resistência de Fornos de

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

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

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

Controlador Lógico Programável

Controlador Lógico Programável Controlador Lógico Programável Temporizadores Prof. Ms. Andouglas Gonçalves da Silva Júnior andouglasjr@gmail.com Introdução Instrução mais utilizada de modo geral, depois dos contatos e bobinas; Relés

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

UMA PROPOSTA DE FERRAMENTA PARA SIMPLIFICAR A DEPURAÇÃO DE CÓDIGOS EM C, POR ALUNOS INICIANTES

UMA PROPOSTA DE FERRAMENTA PARA SIMPLIFICAR A DEPURAÇÃO DE CÓDIGOS EM C, POR ALUNOS INICIANTES WAlgProg / 2016 UMA PROPOSTA DE FERRAMENTA PARA SIMPLIFICAR A DEPURAÇÃO DE CÓDIGOS EM C, POR ALUNOS INICIANTES Marina Gomes Érico Amaral Roteiro

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

Aplicações Práticas com Redes Neurais Artificiais em Java

Aplicações Práticas com Redes Neurais Artificiais em Java com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org

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

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

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

Objetivo: Determinar experimentalmente a resistividade elétrica do Constantan.

Objetivo: Determinar experimentalmente a resistividade elétrica do Constantan. Determinação da resistividade elétrica do Constantan Universidade Tecnológica Federal do Paraná - Curitiba Departamento Acadêmico de Física Física Experimental Eletricidade Prof. Ricardo Canute Kamikawachi

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

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

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

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

Redes Neurais no WEKA

Redes Neurais no WEKA Redes Neurais WEKA http://www.cs.waikato.ac.nz/ml/weka/ Redes Neurais no WEKA Introdução ao WEKA Base Benchmark Estudo de Casos Análise de Crédito Bancário 1 Redes Neurais no Weka WEKA (Waikaito Environment

Leia mais

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO REDES NEURAIS ARTIFICIAIS X ANÁLISE MULTIVARIADA NA PREDIÇÃO DE JAR TEST Área de Inteligência

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

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

40. SBAI- Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, de Setembro de 1999

40. SBAI- Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, de Setembro de 1999 RECONHECIMENTO DE FIGURAS GEOMÉTRICAS UTILIZANDO-SE REDES NEURAIS ARTIFICIAIS INVARIANTES À ROTAÇÃO DE 10 E A TRANSLAÇÃO Aderlon Mareelino Queiroz * e Edna Lúcia Flôres ** * Departamento de Ciência da

Leia mais

Detecção de Faces Humanas em Imagens Coloridas Utilizando Redes Neurais Artificiais

Detecção de Faces Humanas em Imagens Coloridas Utilizando Redes Neurais Artificiais Detecção de Faces Humanas em Imagens Coloridas Utilizando Redes Neurais Artificiais Wellington da Rocha Gouveia Universidade de São Paulo Escola de Engenharia de São Carlos Departamento de Engenharia Elétrica

Leia mais

Redes Neurais Articiais para Controle de uma Planta de Nível

Redes Neurais Articiais para Controle de uma Planta de Nível 1 Redes Neurais Articiais para Controle de uma Planta de Nível Isabele Morais Costa, Luana Lyra de Almeida, Stella Neves Duarte Lisboa e Fábio Meneghetti Ugulino de Araújo ResumoEste trabalho pretende

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

Eliane da Silva Christo. Previsão de Potência Reativa. Tese de Doutorado

Eliane da Silva Christo. Previsão de Potência Reativa. Tese de Doutorado Eliane da Silva Christo Previsão de Potência Reativa Tese de Doutorado Tese apresentada como requisito parcial para obtenção do título de Doutor pelo Programa de Pós- Graduação em Engenharia Elétrica da

Leia mais

Redes Neurais Artificiais Aplicadas em Análise de Perfis Profissionais

Redes 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 mais

A UTILIZAÇÃO DE REDES NEURAIS PARA OBTENÇÃO DA CONCENTRAÇÃO DE BORO CRÍTICA DE UM REATOR PWR

A UTILIZAÇÃO DE REDES NEURAIS PARA OBTENÇÃO DA CONCENTRAÇÃO DE BORO CRÍTICA DE UM REATOR PWR A UTILIZAÇÃO DE REDES NEURAIS PARA OBTENÇÃO DA CONCENTRAÇÃO DE BORO CRÍTICA DE UM REATOR PWR Cicero Rogério da Silva Barros Dissertação de Mestrado apresentada ao programa de Pós-graduação em Engenharia

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

Estimativa de Recalque em Estacas Utilizando Redes Neurais Artificiais

Estimativa de Recalque em Estacas Utilizando Redes Neurais Artificiais XVIII Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica O Futuro Sustentável do Brasil passa por Minas 19-22 Outubro, Belo Horizonte, Minas Gerais, Brasil ABMS, 2016 Estimativa de Recalque

Leia mais

Aula 10 Sistemas Não-lineares e o Método de Newton.

Aula 10 Sistemas Não-lineares e o Método de Newton. Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade

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

Máquinas de suporte vetorial e sua aplicação na detecção de spam

Máquinas de suporte vetorial e sua aplicação na detecção de spam e sua aplicação na detecção de spam Orientador: Paulo J. S. Silva (IME-USP) Universidade de São Paulo Instituto de Matemática e Estatística Departamento de Ciência da Computação MAC499 Trabalho de Formatura

Leia mais

Redes Neurais Artificiais. Everton Gago

Redes Neurais Artificiais. Everton Gago Redes Neurais Artificiais Everton Gago Como vai ser? O que é RNA? Conglomerado de neurônios!?!? Neurônio: Neurônio: Entradas: X0 = 0 X1 = 1 X2 = 1 Neurônio: Entradas: X0 = 0 X1 = 1 X2 = 1 Pesos: W0 = 0.3

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

A INFLUÊNCIA DA ALTERNÂNCIA ENTRE CLASSES E AMOSTRAS NA ENTRADA DA REDE NEURAL NA CLASSIFICAÇÃO DE IMAGEM DIGITAL.

A INFLUÊNCIA DA ALTERNÂNCIA ENTRE CLASSES E AMOSTRAS NA ENTRADA DA REDE NEURAL NA CLASSIFICAÇÃO DE IMAGEM DIGITAL. Anais do III Colóquio Brasileiro de Ciências Geodésicas 0 A INFLUÊNCIA DA ALTERNÂNCIA ENTRE CLASSES E AMOSTRAS NA ENTRADA DA REDE NEURAL NA CLASSIFICAÇÃO DE IMAGEM DIGITAL. Mosar Faria Botelho 1 Jorge

Leia mais

Introdução as Redes Neurais Artificiais

Introdução as Redes Neurais Artificiais Introdução as Redes Neurais Artificiais Florianópolis, maio de 2002. 2 Nunca se achou que o degrau da escada se destinasse a alguém permanecer em cima dele, mas sim que se destina a sustentar o pé de um

Leia mais

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento

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

Controlador Lógico Programável

Controlador Lógico Programável Controlador Lógico Programável Contadores Prof. Ms. Andouglas Gonçalves da Silva Júnior andouglasjr@gmail.com Introdução Contadores Mecânicos: Toda vez que a alavanca de acionamento se movimenta, o contador

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

Evolução do Software e os Tipos de Softwares Existentes. Profa. Reane Franco Goulart

Evolução do Software e os Tipos de Softwares Existentes. Profa. Reane Franco Goulart Evolução do Software e os Tipos de Softwares Existentes Profa. Reane Franco Goulart Evolução da Engenharia de Software Os primeiros computadores, construídos na década de 1940, não possuíam software: os

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

Interpolação polinomial: Polinômio de Lagrange

Interpolação polinomial: Polinômio de Lagrange Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo

Leia mais

Programa de Ensino de Semestre

Programa de Ensino de Semestre Pró-Reitoria de Graduação Programa de Ensino de 2013 1 Semestre Nome do Curso Engenharia Civil Engenharia Mecânica Engenharia Elétrica Código do Curso 02-120 02-121 02-122 Nome da Disciplina Cálculo Diferencial

Leia mais

Relatório da Aula Prática sobre Redes Neurais Artificiais

Relatório da Aula Prática sobre Redes Neurais Artificiais Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: 134657 INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de 2006.

Leia mais

Engenharia de Controle e Automação

Engenharia de Controle e Automação ATIVIDADES PRÁTICAS SUPERVISIONADAS 2ª Série Cálculo I Engenharia de Controle e Automação A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem desenvolvido por meio de um conjunto

Leia mais

Introdução a Redes Neurais Artificiais com a biblioteca Encog em Java

Introdução a Redes Neurais Artificiais com a biblioteca Encog em Java Introdução a Redes Neurais Artificiais com a biblioteca Encog em Java Raquel Machado de Sousa 1 1 Laboratório de Sistemas Inteligentes (LSI) Universidade Federal do Maranhão (UFMA) Av. dos Portugueses

Leia mais

REDES NEURAIS ARTIFICIAIS APLICADAS À PREVISÃO DE VAZÕES SAZONAIS ATRAVÉS DA RELAÇÃO CHUVA-VAZÃO

REDES NEURAIS ARTIFICIAIS APLICADAS À PREVISÃO DE VAZÕES SAZONAIS ATRAVÉS DA RELAÇÃO CHUVA-VAZÃO REDES NEURAIS ARTIFICIAIS APLICADAS À PREVISÃO DE VAZÕES SAZONAIS ATRAVÉS DA RELAÇÃO CHUVA-VAZÃO Camila da Cruz Santos¹, Jacson Hudson Inácio Ferreira², Keiji Yamanaka³, José Roberto Camacho³ ¹Instituto

Leia mais

Introdução Conversão Digital Analógica Conversão Analógica Digital Referências. Conversão D/A e A/D. Aula 01 - DAC / ADC

Introdução Conversão Digital Analógica Conversão Analógica Digital Referências. Conversão D/A e A/D. Aula 01 - DAC / ADC Conversão D/A e A/D Aula 01 - DAC / ADC Heitor Medeiros Florencio 1 heitorm@dca.ufrn.br 1 Universidade Federal do Rio Grande do Norte Centro de Tecnologia Departamento de Engenharia de Computação e Automação

Leia mais

Métodos Numéricos C Apresentação da Disciplina

Métodos Numéricos C Apresentação da Disciplina Métodos Numéricos C Apresentação da Disciplina Isabel Espírito Santo Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho iapinho@dps.uminho.pt http://www.norg.uminho.pt/iapinho/

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

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

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

Aula 2 RNA Arquiteturas e Treinamento

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 mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

O software conta ainda, com procedimento para geração de relatórios em EXCEL. Para gerar tais relatórios foi utilizado o tollkit Report Generation do

O software conta ainda, com procedimento para geração de relatórios em EXCEL. Para gerar tais relatórios foi utilizado o tollkit Report Generation do Desenvolvimento de um software para realização de testes de performance hidrodinâmica de próteses de válvulas cardíacas utilizando um Sistema Duplicador de Pulsos "O software conta ainda, com procedimento

Leia mais