Inteligência Artificial
|
|
- Diego Miranda Raminhos
- 7 Há meses
- Visualizações:
Transcrição
1 Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais) Prof. a Joseana Macêdo Fechine Régis de Araújo
2 Aprendizagem Tópico Aprendizagem Conceitos Básicos Redes Neurais 2
3 Aprendizagem conhecimento intensional (regras) Sistemas de PLN Numérico Sistemas Nebulosos (fuzzy) Algoritmos genéticos Sistemas baseados em Redes Neurais Redes Bayesianas Robôs Sistemas de Aprendizagem simbólica indutiva Sistemas Especialistas Sistemas baseado em casos Simbólico conhecimento extensional (exemplos) 3
4 Aprendizagem Aprendizagem (realimentação - feedback): Aprendizagem supervisionada Aprendizagem não supervisionada Aprendizagem por reforço 4
5 Aprendizagem Aprendizagem Supervisionada: Ocorre nas situações em que é possível perceber tanto as entradas como as saídas; Freqüentemente as saídas são fornecidas por um supervisor(especialista) humano; Envolve aprendizagem de uma função a partir de exemplos de suas entradas e saídas. Aprendizagem Não-Supervisionada: Envolve a aprendizagem de padrões na entrada, quando não são fornecidos valores de saída específicos. Aprendizagem por Reforço: O agente deve aprender a partir do reforço (recompensa). 5
6 Aprendizagem Tipos Segundo Ginsberg(1993), aprendizagem pode ser dividida em: Aprendizagem por Descoberta; Aprendizagem por Generalização; Aprendizagem Dedutiva; Aprendizagem Indutiva. 6
7 Uso a m b i e n t e Treinamento Modelo do Agente Aprendiz (off-line) exemplos Algoritmo de Aprendizagem conhecimento sensores efetuadores elemento ator 7
8 Por que a aprendizagem funciona? É quase certo que qualquer hipótese que esteja seriamente errada será "desmascarada" com alta probabilidade após um pequeno número de exemplos, por que fará uma previsão incorreta. Desse modo, qualquer hipótese que seja consistente com um conjunto bastante grande de exemplos de treinamento terá pouca probabilidade de estar seriamente errada: isto é, ela deve estar provavelmente aproximadamente correta (aprendizagem PAC). Para tanto, os conjuntos de treinamento e teste devem ser extraídos ao acaso e de forma independente da população de exemplos com a mesma distribuição de probabilidade - suposição de hipótese de estacionariedade. (Russel e Norvig) 8
9 Redes Neurais É uma célula do cérebro cuja principal função é coletar, processar e disseminar sinais elétricos. Acredita-se que a capacidade de processamento de informações no cérebro vem de redes de neurônios. Componentes de um neurônio 9
10 Redes Neurais Componentes de um Neurônio Axônio transmissão de sinais a partir do corpo celular; poucas ramificações e compridos; Dendritos conduzem sinais para a célula; têm muitas ramificações (zonas receptivas); Sinapses estruturas funcionais elementares que mediam as conexões entre os neurônios 10
11 Redes Neurais Plasticidade de um neurônio capacidade de adaptação ao ambiente. Mecanismos de Plasticidade (cérebro de um adulto) Criação de novas conexões sinápticas Modificação das sinapses existentes Plasticidade - essencial para as Redes Neurais Artificiais 11
12 Neurociência computacional Modelo matemático do neurônio criado por McCulloch e Pitts (1943) Interesse nas propriedades mais abstratas da RN Habilidade para executar computação distribuída Habilidade para tolerar entradas ruidosas Habilidade para aprender Uma das formas mais populares e efetivas de sistemas de aprendizagem. 12
13 Redes Neurais Artificiais Inspiração Biológica 13
14 Neurônio Artificial Dispara quando uma combinação linear de suas entradas excede algum limiar. 14
15 15 Redes Neurais Artificiais Cada unidade i calcula Uma soma ponderada de suas entradas Depois, aplica uma função de ativação g a essa soma para derivar a saída n j j i j i a w in 0, n j j i j i i a w g in g a 0, ) (
16 A função de ativação g é projetada para atender a dois propósitos Deseja-se a unidade ativa (próxima de 1) quando as entradas corretas forem recebidas e inativa (próxima de 0) quando as entradas erradas forem recebidas 16
17 Aprendizagem Funções de Ativação: 17
18 Aprendizagem Rede de memória associativa com pesos fixos Aprende a associar valores de entrada com valores de saída A matriz de pesos é determinada pela multiplicação do vetor de entrada com o de saída a = vetores de saída no conjunto de treinamento b= vetores de entrada j = índice dos links de entrada i = índice do neurônios de saída m = índice do conjunto de treinamento 18
19 Aprendizagem - Ilustração A RN deve aprender as seguintes associações Homero - Literatura Bethoven - Música Rubens - Pintura Representação binária dos valores Homero [1,-1,1,-1,1] = b(1) Literatura [1, -1, 1, -1] = a(1) Bethoven [1,1,1,-1,-1] = b(2) Música [1,1,-1,-1] = a(2) Rubens [1,1,-1,-1,1] = b(3) Pintura [1,-1,-1,1] = a(3) Variáveis: m = 1,..,3; j=1,..,5; i=1,..,4 Usar como função de transferência: sign Calcular W - alguns exemplos: 19
20 Aprendizagem - Ilustração 20
21 Redes Neurais Artificiais Rede Neural - Organização em Camadas (Exemplo) 21
22 Redes Neurais Artificiais As camadas são classificadas em três grupos (usualmente): Camada de Entrada: onde os padrões são apresentados à rede; Camadas Intermediárias ou Escondidas: onde é feita a maior parte do processamento, através das conexões ponderadas; podem ser consideradas como extratoras de características; Camada de Saída: onde o resultado final é concluído e apresentado. 22
23 Redes Neurais Artificiais Redes Neurais: Classificação dos Modelos Conexionistas Em relação à estrutura da rede: Redes de uma única camada Redes de múltiplas camadas Redes do tipo uni-direcional Redes do tipo recorrentes Redes com estrutura estática (não altera a sua estrutura) Redes com estrutura dinâmica (altera a estrutura) Redes com conexões de ordem superior 23
24 Estruturas de rede Redes acíclicas ou redes de alimentação direta: Representam uma função de sua entrada atual; NÃO têm nenhum estado interno além dos pesos. Redes cíclicas ou redes recorrentes: Utilizam suas saídas para realimentar suas próprias entradas; Níveis de ativação da rede formam um sistema dinâmico Pode atingir um estado estável ou exibir oscilações; A resposta da rede a uma determinada entrada pode depender de entradas anteriores (como um flip-flop). 24
25 Redes de alimentação direta Representa uma função de suas entradas Dados os valores de entrada a 1 e a 2 a rede calcula: a 5 = g(w 3,5 a 3 + W 4,5 a 4 ) = g(w 3,5 g(w 1,3 a 1 + W 2,3 a 2 ) + W 4,5 g(w 1,4 a 1 + W 2,4 a 2 )) 25
26 Redes de alimentação direta Expressando a saída de cada unidade oculta como uma função de suas entradas percebe-se que: a 5 é uma função das entradas da rede; Os pesos da rede atuam como parâmetros dessa função; A rede calcula h w (x); Ajustando os pesos muda-se a função que a rede representa; Aprendizagem! 26
27 Redes Neurais Artificiais Processos de Aprendizado A propriedade mais importante das redes neurais é a habilidade de aprender com seu ambiente e com isso melhorar seu desempenho. Isso é feito a partir de um processo iterativo de ajustes aplicado a seus pesos, o treinamento. O aprendizado ocorre quando a rede neural atinge uma solução generalizada para uma classe de problemas. 27
28 Redes Neurais Artificiais Algoritmo de Aprendizado Conjunto de regras bem definidas para a solução de um problema de aprendizado. Existem muitos tipos de algoritmos de aprendizado específicos para determinados modelos de redes neurais. Os algoritmos diferem entre si principalmente pelo modo como os pesos são modificados. 28
29 Redes Neurais Artificiais Redes Neurais: Classificação - Aprendizado Em relação ao aprendizado: Aprendizado supervisionado Aprendizado semi-supervisionado Aprendizado não supervisionado Aprendizado instantâneo Aprendizado por pacotes Aprendizado contínuo Aprendizado ativo Aprendizado: aproximação de funções Aprendizado: classificação Usar apenas uma base de exemplos de aprendizado Usar uma base de aprendizado e uma base de teste de generalização 29
30 Redes Neurais Artificiais Redes Neurais: Classificação dos Modelos Conexionistas Em relação as unidades da rede: Redes baseadas em Perceptrons (MLP - MultiLayer Perceptron) Redes baseadas em Protótipos (RBF - Radial Basis Function) 30
31 Redes Neurais Artificiais Exemplos de Redes Neurais 31
32 Redes Neurais Artificiais Aplicações Práticas Reconhecimento de Padrões: Caracteres, Imagens, Voz, etc Sistemas de Auxílio ao Diagnóstico: Médico, Falhas Mecânicas, etc Robótica Inteligente Previsão: Tempo, Cotações da Bolsa de Valores, etc Sistemas de Controle Processamento de Sinais Processamento de Linguagem Natural Data Mining 32
33 Exemplos de Aplicações O perceptron de limiar é chamado separador linear Porque traça um plano entre os pontos de entrada em que a saída é zero ou um Funções linearmente separáveis (a) e (b) 33
34 x 0 =+1 w 0 w 0 =b x 1 w 1 f(u) u y x 2 w 2 y f ( w x w x w ), sendo f ( u) 1 f ( u) 0 se se u 0 u 0 Com os parâmetros w 0, w 1 e w 2, a função f(u) separa o espaço de entradas em duas regiões, usando uma linha reta dada por: w 1 x 1 + w 2 x 2 + w 0 = 0 34
35 Exemplos de Aplicações Um neurônio para a função AND de 2 entradas Iniciamos o neurônio com os pesos 0,5 e 0,6 para as duas entradas, e -0,3 para o limiar (w 0 ). Isso é equivalente à equação: u = 0,5 x 1 + 0,6 x 2 0,3 x 0 x 0 é a entrada estável sempre igual a 1. Assim, a saída y deve disparar quando u >= 0). 35
36 Neurônio para a função AND de 2 entradas x 1 w 1 = 0.5 x 2 w 2 w 0 = 0.6 = -0.3 u = x i w i Função de transferência (ativação) u Saída y =(u) pesos x 0 = 1 entradas x1 x2 u y a saída é 1 para os padrões 01, 10 e 11, enquanto desejamos que a saída seja 1 somente para o padrão
37 Neurônio para a função AND de 2 entradas Sequência de passos na aplicação do algoritmo Inicio w1 = 0.5 w2 = 0.6 w0 = -0.3 Entrada 0 0 u = y = 0 correta Entrada 0 1 u = 0.3 y = 1 incorreta Correção dos pesos de 0.1 para baixo w1 = 0.5 w2 = 0.5 w0 = -0.4 Entrada 1 0 u = 0.1 y = 1 incorreta Correção dos pesos de 0.1 para baixo w1 = 0.4 w2 = 0.5 w0 = -0.5 Entrada 1 1 u = 0.4 y = 1 correta Entrada 0 0 u = y = 0 correta Entrada 0 1 u = 0 y = 1 incorreta Correção dos pesos de 0.1 para baixo w1 = 0.4 w2 = 0.4 w0 = -0.6 Entrada 1 0 u = y = 0 correta Entrada 1 1 u = 0.2 y = 1 correta Entrada 0 0 u = -0.6 y = 0 correta Entrada 0 1 u = y = 0 correta Entrada 1 0 u = y = 0 correta Entrada 1 1 u = 0.2 y = 1 correta Fim w1 = 0.4 w2 = 0.4 w0 =
38 Neurônio para a função AND de 2 entradas Resultado do aprendizado x 1 w 1 = 0.4 x 2 w 2 w 0 = 0.4 = -0.6 u = x i w i Função de transferência (ativação) u Saída y =(u) pesos x 0 = 1 entradas 38
39 Neurônio para a função AND de 2 entradas 1.5 x ,1 1, ,0 1,0 x A reta 0.4 x x2-0.6 = 0 separa os pontos 00, 01 e 10, do ponto
40 13) IMPLEMENTAÇÃO Exemplos de Aplicações Reconhecimento de Dígitos Parâmetros rede 35 x 4 x 10 entrada grid 5x7 saída 10 bits Rede Neural
41 Exemplos de Aplicações Exemplo: Reconhecimento de fala reconhecer 1 de 10 vogais entre h_d (em inglês) F1 e F2: parâmetros retirados da análise espectral do som da palavra. 41
42 Redes Neurais Artificiais Aplicações Práticas 42
43 Exemplos de Aplicações Neural Networks Java Applets: Perceptron Learning Rule (CNNL) Image Compression Using Backprop (CNNL) Generalizations of the Hamming Associative Memory (CNNL) Joone - Java Object Oriented Neural Engine Porta XOR Simulador de Redes Neurais: SNNS (Stuttgart Neural Network Simulator) Fonte: Java Demonstrations of Neural Net Concepts, 43
44 Redes Neurais Artificiais Vantagens Aquisição automática de conhecimentos empíricos a partir de uma base de exemplos de aprendizado referente a um problema; Manipulação de dados quantitativos, aproximados e mesmo incorretos com uma degradação gradual das respostas; Grande poder de representação de conhecimentos a partir da criação de relações ponderadas entre as entradas do sistema; 44
45 Redes Neurais Artificiais Desvantagens Dificuldade de configuração das redes em relação à sua estrutura inicial e também no que se refere aos parâmetros dos algoritmos de aprendizado; Dificuldade de explicitar os conhecimentos adquiridos pela rede a partir de uma linguagem compreensível para um ser humano; Dificuldade de convergência (bloqueios) e instabilidade, inerentes aos algoritmos de otimização empregados; Lentidão do processo de aprendizado / adaptação. 45
Lógica de Programação. Profas. Simone Campos Camargo e Janete Ferreira Biazotto
Lógica de Programação Profas. Simone Campos Camargo e Janete Ferreira Biazotto O curso Técnico em Informática É o profissional que desenvolve e opera sistemas, aplicações, interfaces gráficas; monta estruturas
Flávia Rodrigues. Silves, 26 de Abril de 2010
Flávia Rodrigues STC5 _ Redes de Informação e Comunicação Silves, 26 de Abril de 2010 Vantagens e Desvantagens da Tecnologia Acessibilidade, quer a nível pessoal quer a nível profissional; Pode-se processar
Sistemas Distribuídos
Comunicação em Grupo Referência Sistemas operacionais modernos Andrew S. TANENBAUM Prentice-Hall, 1995 Seção 10.4 pág. 304-311 2 Comunicação em Grupo Suponha que se deseja um serviço de arquivos único
Álgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial
Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo
Arquitecturas de Software Enunciado de Projecto 2007 2008
UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR TÉCNICO Arquitecturas de Software Enunciado de Projecto 2007 2008 1 Introdução Na primeira metade da década de 90 começaram a ser desenvolvidas as primeiras
Universidade Federal de Goiás Campus Catalão Departamento de Matemática
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares
Análise Qualitativa no Gerenciamento de Riscos de Projetos
Análise Qualitativa no Gerenciamento de Riscos de Projetos Olá Gerente de Projeto. Nos artigos anteriores descrevemos um breve histórico sobre a história e contextualização dos riscos, tanto na vida real
Inteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Unidade 1: O Computador
Unidade : O Computador.3 Arquitetura básica de um computador O computador é uma máquina que processa informações. É formado por um conjunto de componentes físicos (dispositivos mecânicos, magnéticos, elétricos
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
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
Códigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2
Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação
Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões
Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões Prof. Carlos A. Heuser Dezembro de 2009 Duração: 2 horas Prova com consulta Questão 1 (Construção de modelo ER) Deseja-se projetar a base de
2 Segmentação de imagens e Componentes conexas
Universidade Tecnológica Federal do Paraná (UTFPR) Departamento Acadêmico de Informática (DAINF) Algoritmos II Professor: Alex Kutzke (alexk@dainf.ct.utfpr.edu.br) Especificação do Primeiro Trabalho Prático
AULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
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
Emparelhamentos Bilineares Sobre Curvas
Emparelhamentos Bilineares Sobre Curvas Eĺıpticas Leandro Aparecido Sangalli sangalli@dca.fee.unicamp.br Universidade Estadual de Campinas - UNICAMP FEEC - Faculdade de Engenharia Elétrica e de Computação
Curso de Formação de Oficiais Conhecimentos Específicos ENGENHARIA DE COMPUTAÇÃO CADERNO DE QUESTÕES
Curso de Formação de Oficiais Conhecimentos Específicos ENGENHARIA DE COMPUTAÇÃO CADERNO DE QUESTÕES 2014 1 a QUESTÃO Valor: 1,00 a) (0,30) Defina gramáticas livre de contexto. b) (0,30) Crie uma gramática
Plano de Projeto. Tema 3. Gerência de Projetos Profa. Susana M. Iglesias
Plano de Projeto Tema 3. Gerência de Projetos Profa. Susana M. Iglesias Modelos Empíricos Modelos de Estimativas de Custo e Esforço. Modelos Empíricos: Usam formulas empíricas para predizer esforço em
Métricas de Software
Métricas de Software Plácido Antônio de Souza Neto 1 1 Gerência Educacional de Tecnologia da Informação Centro Federal de Educação Tecnologia do Rio Grande do Norte 2006.1 - Planejamento e Gerência de
Tabelas Hash. Aleardo Manacero Jr.
Tabelas Hash Aleardo Manacero Jr. Introdução O uso de listas ou árvores para organizar informações é interessante e produz resultados bastante bons Entretanto, em nenhuma dessa estruturas se obtém o acesso
E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces
E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces Éder Augusto Penharbel, Erdiane L. G. Wutzke, Murilo dos S. Silva, Reinaldo
Decreto-Lei nº139 /2012, de 5 de junho, alterado pelo Despacho Normativo n.º1-g/2016
Informação - Prova de Equivalência à Frequência de Físico-Química 3.º Ciclo do Ensino Básico Decreto-Lei nº139 /2012, de 5 de junho, alterado pelo Despacho Normativo n.º1-g/2016 Prova 11 (2016) Duração
Prof. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Conteúdo programático
Introdução à Linguagem C Conteúdo programático Introdução à Linguagem C Estrutura de Programas Variáveis, Constantes Operadores, Entrada e Saída de Dados Estruturas de Desvio Estrutura de Múltipla Escolha
Iniciação Científica no INATEL
Iniciação Científica no INATEL 2016 / 1º. Semestre Profa. Rosanna Coordenadora do Programa de IC Inatel rosannas@inatel.br ic@inatel.br Objetivo O que é Iniciação Científica? Quais são as oportunidades
RELATÓRIO DEFINIÇÃO. Resumo
RELATÓRIO DEFINIÇÃO Resumo Desenvolvimento em Web Services para Avaliação de Conhecimentos no Sapien flex. Desenvolver interface grafica para Integração no sistema Sapien Flex, Construção de exames auto-corrigidos
Gestão da Qualidade. Aula 13. Prof. Pablo
Gestão da Qualidade Aula 13 Prof. Pablo Proposito da Aula 1. Conhecer as normas da família ISO 9000. Família da norma ISO 9000 Família ISO 9000 As normas ISO da família 9000 formam um conjunto genérico
COBRANÇA BANCÁRIA CAIXA
COBRANÇA BANCÁRIA CAIXA ESPECIFICAÇÃO DE CÓDIGO DE BARRAS PARA BLOQUETOS DE COBRANÇA COBRANÇAS RÁPIDA E SEM REGISTRO GESER NOVEMBRO/2000 ÍNDICE PÁGINA 1 INTRODUÇÃO... 3 2 ESPECIFICAÇÕES...4 2.1 FORMATO......
ASPECTOS CONSTRUTIVOS DE ROBÔS
ASPECTOS CONSTRUTIVOS DE ROBÔS Tipos de robôs Classificação de robôs Definições importantes: O arranjo das hastes e juntas em um braço manipulador tem um importante efeito nos graus de liberdade da ferramenta
Pressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
CONCEITOS DE CARTOGRAFIA ENG. CARTÓGRAFA ANNA CAROLINA CAVALHEIRO
CONCEITOS DE CARTOGRAFIA ENG. CARTÓGRAFA ANNA CAROLINA CAVALHEIRO CAMPO LARGO, 15 DE ABRIL DE 2013 Cartografia Cartografia é o conjunto de estudos e operações científicas, artísticas e técnicas, baseado
SISTEMAS DISTRIBUÍDOS
SISTEMAS DISTRIBUÍDOS Introdução Slide 1 Nielsen C. Damasceno Introdução Tanenbaum (2007) definiu que um sistema distribuído é aquele que se apresenta aos seus usuários como um sistema centralizado, mas
QUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE SUGESTÕES DE RESOLUÇÕES
QUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE QUESTÃO 01 SUGESTÕES DE RESOLUÇÕES Descritor 11 Resolver problema envolvendo o cálculo de perímetro de figuras planas. Os itens referentes a
Banco de Dados I. Prof. Edson Thizon ethizon@bol.com.br
Banco de Dados I Prof. Edson Thizon ethizon@bol.com.br Conceitos Dados Fatos conhecidos que podem ser registrados e que possuem significado implícito Banco de dados (BD) Conjunto de dados interrelacionados
Uso de escalas logaritmicas e linearização
Uso de escalas logaritmicas e linearização Notas: Rodrigo Ramos 1 o. sem. 2015 Versão 1.0 Obs: Esse é um texto de matemática, você deve acompanhá-lo com atenção, com lápis e papel, e ir fazendo as coisas
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 -
INF 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
Até 0.003 mm (0.1mm usualmente) Aceleração Até 25 m/s 2. A partir de 2 a 3 kg até limites ~ 350kg. Relação Peso/Carga Em torno de 30 a 40
Introdução à Robótica Industrial Prof. Dr. Carlo Pece Transparências adaptadas de material fornecido pelo prof. Winderson E. dos Santos Histórico Revolução Industrial Automação Karel Capek (1921) robota
Aula de Hoje. Processamento Estatístico da Linguagem Natural. Decodificação. Decodificação. A treliça do algoritmo Viterbi
Processamento Estatístico da Linguagem Natural Aula 14 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Aula de Hoje Cap. 6 Jurafsky & Martin Hidden Markov and Maximum
Complemento 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
Reconhecimento de padrões de Código de Barras a partir da Utilização de Redes Neurais Artificiais
Reconhecimento de padrões de Código de Barras a partir da Utilização de Redes Neurais Artificiais Márcio José Conte 1,2, Merisandra Côrtes de Mattos 1,2, Priscyla Waleska Targino de Azevedo Simões 1,2,3,
Classificação de Ativo Orçamento e Provisão de Despesa
Classificação de Ativo Orçamento e Provisão de Despesa Produto : Microsiga Protheus Ativo Fixo versão 11 Requisito : 154.03 Data da publicação : 28/02/13 País(es) : Brasil Banco(s) de Dados : Todos Esta
Experiência 04: Comandos para testes e identificação do computador na rede.
( ) Prova ( ) Prova Semestral ( ) Exercícios ( ) Prova Modular ( ) Segunda Chamada ( ) Exame Final ( ) Prática de Laboratório ( ) Aproveitamento Extraordinário de Estudos Nota: Disciplina: Turma: Aluno
MÓDULO 2 Topologias de Redes
MÓDULO 2 Topologias de Redes As redes de computadores de modo geral estão presentes em nosso dia adia, estamos tão acostumados a utilizá las que não nos damos conta da sofisticação e complexidade da estrutura,
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA
EDITAL N 04/2013 PROCC/POSGRAP PARA PÓS-DOUTORADO Programa de Pós-Graduação em Ciência da Computação Aprovado em reunião do Colegiado do PROCC em 13/09/2013 O Coordenador do Programa de Pós-Graduação em
UM JOGO BINOMIAL 1. INTRODUÇÃO
1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece
CARTOGRAFIA DE RISCO
CARTOGRAFIA DE RISCO Mapa de Perigosidade de Incêndio Florestal e Mapa de Risco de Incêndio Florestal A Carta de Risco de Incêndio Florestal tem como objetivo apoiar o planeamento de medidas de prevenção
CURSOS OFERECIDOS PELO ITA
CURSOS OFERECIDOS PELO ITA Formação, Atribuições da Profissão, Áreas de Atuação Engenharia Aeronáutica É a área da engenharia que se ocupa do projeto, fabricação e manutenção de aeronaves e do gerenciamento
Informática I. Aula 19. http://www.ic.uff.br/~bianca/informatica1/ Aula 19-20/06/06 1
Informática I Aula 19 http://www.ic.uff.br/~bianca/informatica1/ Aula 19-20/06/06 1 Ementa Histórico dos Computadores Noções de Hardware e Software Microprocessadores Sistemas Numéricos e Representação
Supervisório Remoto aplicado em Dispositivo Móvel na Plataforma NI LabVIEW
Supervisório Remoto aplicado em Dispositivo Móvel na Plataforma NI LabVIEW "Este artigo demonstra os recursos e passos necessários para implementar um sistema supervisório de consumo energético e controle
COMUNICAÇÃO DIGITAL 1. INTRODUÇÃO PROF. MARCIO EISENCRAFT
COMUNICAÇÃO DIGITAL 1. INTRODUÇÃO PROF. MARCIO EISENCRAFT Baseado em http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-450- principles-of-digital-communications-i-fall-2006/video-lectures/lecture-1-introduction/
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.
Especificação do Código de Barras para Bloquetos de Cobrança Sem Registro e Registrada no SIGCB
1 INTRODUÇÃO... 2 2 ESPECIFICAÇÕES GERAIS... 2 2.1 FORMATO... 2 2.2 GRAMATURA DO PAPEL... 2 2.3 DIMENSÃO... 2 2.4 NÚMERO DE VIAS OU PARTES... 2 2.5 DISPOSIÇÃO DAS VIAS OU PARTES... 2 2.6 COR DA VIA/IMPRESSÃO...
COMENTÁRIO DA PROVA DO BANCO DO BRASIL
COMENTÁRIO DA PROVA DO BANCO DO BRASIL Prezados concurseiros, segue abaixo os comentários das questões de matemática propostas pela CESPE no último concurso para o cargo de escriturário do Banco do Brasil
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.)
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) De acordo com o PMBok 5ª ed., o escopo é a soma dos produtos, serviços e resultados a serem fornecidos na forma de projeto. Sendo ele referindo-se a: Escopo
Evolução do Orçamento Público
Evolução do Público Evolução do Público Clássico ou Tradicional Desempenho ou Realizações Programa Pode-se dizer que foi na Inglaterra em 1217 que começou a surgir o orçamento público. Desde então as técnicas
Roteiro... Sistemas Distribuídos Aula 4. Troca de mensagens. Comunicação entre processos. Conceitos de SD, vantagens e desvantagens
Roteiro... Conceitos de SD, vantagens e desvantagens Infra-estrutura de um SD Considerações de projeto Sistemas Distribuídos Aula 4 Karine de Pinho Peralta Modelos de Comunicação - comunicação entre processos
PROJETO DE LEI Nº., DE DE DE 2012.
PROJETO DE LEI Nº., DE DE DE 2012. Estabelece preceitos para o aperfeiçoamento da política educacional estadual dos sistemas públicos de ensino, para a permanência e o sucesso escolar de alunos com distúrbios,
DIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE
ESPECIAL Engenharia de Software DIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE por Paulo Borba DECISÕES IMPORTANTES A SEREM TOMADAS NOS PROJETOS E NA CARREIRA DE UM PESQUISADOR EM ENGENHARIA DE SOFTWARE.
Matrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.
Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Mídias Discretas. Introdução à Ciência da Informação
Mídias Discretas Introdução à Ciência da Informação Mídias Discretas Mídias discretas (estáticas) Texto Gráficos e Imagens Estáticas Caracteres são convertidos para uma representação com um número fixo
MANUAL DO INSTALADOR XD EM AMBIENTES MICROSOFT WINDOWS
MANUAL DO INSTALADOR XD EM AMBIENTES MICROSOFT WINDOWS Está disponível a partir da versão 2014.73 do XD Rest/Pos/Disco um novo formato no instalador em ambientes Microsoft Windows. O instalador passa a
ISS Eletrônico. Formato de Arquivos para Transmissão de Documentos Declarados através do aplicativo OFFLINE. Extensão do Arquivo JUNHO2006.
ISS Eletrônico Formato de Arquivos para Transmissão de Documentos Declarados através do aplicativo OFFLINE Caro contribuinte. A transmissão de arquivos é uma facilidade fornecida pelo sistema de ISS Eletrônico
ORIENTADOR Prof. Rogério Cid Bastos, Dr.
SISTEMAS WORKFLOW EM PROCESSOS EMPRESARIAIS ORIENTADOR Prof. Rogério Cid Bastos, Dr. Dissertação apresentada ao Programa de Pós- Graduação em Engenharia de Produção com Ênfase em Informática da Universidade
UNIVERSIDADE ESTADUAL DO CENTRO-OESTE - UNICENTRO CURSO DE PÓS GRADUAÇÃO EM MÍDIAS NA EDUCAÇÃO JULIANA LEME MOURÃO ORIENTADOR: PAULO GUILHERMETI
UNIVERSIDADE ESTADUAL DO CENTRO-OESTE - UNICENTRO CURSO DE PÓS GRADUAÇÃO EM MÍDIAS NA EDUCAÇÃO JULIANA LEME MOURÃO ORIENTADOR: PAULO GUILHERMETI SIMULADORES VIRTUAIS ALIADOS AO ENSINO DE FÍSICA GOIOERÊ
Aprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
NOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS
NOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS Tácito Augusto Farias* RESUMO Esta nota trata das principais contribuições conceituais de um importante economista do
NYSITELL Folheto Informativo para os Pais
NYSITELL Folheto Informativo para os Pais Bem-vindo à Rede Pública de ensino do Estado de Nova York! A missão do Departamento Estadual de Educação deste estado (NYSED) Escritório de Educação Bilíngüe e
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:
Seminário: Uso de Simuladores no Ensino da Robótica
1 o SICGRAPI - Simpósio em Computação Gráfica e Processamento de Imagens LARVA LAboratório de Realidade Virtual Aplicada Seminário: Uso de Simuladores no Ensino da Robótica Conteúdo Introdução (~10 ) Demonstrações
Scheduling and Task Allocation ADVANCED COMPUTER ARCHITECTURE AND PARALLEL PROCESSING Hesham El-Rewini 2005 Capítulo 10 Autor...: Antonio Edson Ceccon Professor..: Prof. Heitor Silvério Lopes Apresentação
Andrés Eduardo Coca Salazar Tutor: Prof. Dr. Zhao Liang
: Finding Structures in Bach s, Chopin s and Mozart s NOLTA 08, Hungary, 2008 Complex network structure of musical composition: Algoritmic generation of appealing music Physica A 389 (2010) 126-132 Chi
Sistema de Registro da Certificação Continuada (CCRS) Alinhamento de Atividades do Triângulo de Talentos Perguntas Freqüentes (FAQ) para R.E.P.
1. O que é o Triângulo de Talentos do PMI? O PMI Talent Triangle representa o conjunto de habilidades críticas que as organizações globais têm demandado dos profissionais de projetos. O Triângulo de Talentos
Insight for a better planet SOLUÇÕES EM PLANEJAMENTO, AGENDAMENTO E OTIMIZAÇÃO FLORESTAL
Insight for a better planet SOLUÇÕES EM PLANEJAMENTO, AGENDAMENTO E OTIMIZAÇÃO FLORESTAL www.remsoft.com 1 Excelência em planejamento e otimização de processos decisórios Líder em tecnologias de otimização
AVALIAÇÃO DE IMÓVEIS UTILIZANDO ANÁLISE MULTICRITÉRIO E REDES NEURAIS ARTIFICIAIS
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro
Relatório de uma Aplicação de Redes Neurais
UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS
Faculdade de Tecnologia SENAI Belo Horizonte
PROGRAMA DE PÓS-GRADUAÇÃO LATO SENSU FATEC SENAI BH A Faculdade de Tecnologia SENAI Belo Horizonte, credenciada pelo MEC pela Portaria n 1788 de 27 de maio de 2005 e despacho SEMTEC nº 311/2005, apresenta
INTELIGÊNCIA ARTIFICIAL COM REDES NEURAIS PARA SISTEMAS DESKTOP
RODRIGO MORAES DE OLIVEIRA RA 0502007 8º SEMESTRE, CIÊNCIA DA COMPUTAÇÃO INTELIGÊNCIA ARTIFICIAL COM REDES NEURAIS PARA SISTEMAS DESKTOP Jaguariúna 2008 RODRIGO MORAES DE OLIVEIRA RA 0502007 8º SEMESTRE,
M =C J, fórmula do montante
1 Ciências Contábeis 8ª. Fase Profa. Dra. Cristiane Fernandes Matemática Financeira 1º Sem/2009 Unidade I Fundamentos A Matemática Financeira visa estudar o valor do dinheiro no tempo, nas aplicações e
ARQUITETURA DE COMPUTADORES. Professor: Clayton Rodrigues da Siva
ARQUITETURA DE COMPUTADORES Professor: Clayton Rodrigues da Siva OBJETIVO DA AULA Objetivo: Conhecer a estrutura da arquitetura da Máquina de Von Neumann. Saber quais as funcionalidades de cada componente
Acionamento de Motores: PWM e Ponte H
Warthog Robotics USP São Carlos www.warthog.sc.usp.br warthog@sc.usp.br Acionamento de Motores: PWM e Ponte H Por Gustavo C. Oliveira, Membro da Divisão de Controle (2014) 1 Introdução Motores são máquinas
Modelo Entidade Relacionamento (MER) Professor : Esp. Hiarly Alves
Tópicos Apresentação Entidade, Atributo e Relacionamento Cardinalidade Representação simbólica Generalizações / Especializações Agregações Apresentação O Modelo Entidade-Relacionamento tem o objetivo de
Métodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
de Informática da UFRPE
Processo Coordenadoria Seleção de de Suporte Bolsistas Técnico para e Apoio os a Laboratórios Eventos - CSTAE de Informática da UFRPE 1. Processo de Inscrição: O processo de seleção ocorrerá em duas etapas:
PROGRAMA ERASMUS+ Ação-Chave 1: Mobilidade individual de estudos para estudantes do ensino superior. 2.º Ciclo. Regulamento
PROGRAMA ERASMUS+ Ação-Chave 1: Mobilidade individual de estudos para estudantes do ensino superior 2.º Ciclo Regulamento I. INDICAÇÕES GERAIS 1.1. A mobilidade Erasmus oferece aos alunos de mestrado a
Revisão Diagrama de Caso de Uso. Rodolfo Adamshuk Silva 30/08/2013
Revisão Diagrama de Caso de Uso Rodolfo Adamshuk Silva 30/08/2013 Processo Unificado (PU) É um modelo de processo de software baseado no modelo incremental, visando a construção de software orientado a
Gestão de Pessoas e Avaliação por competências
Gestão de Pessoas e Avaliação por competências quer a empresa que não existe! Funcionário quer o profissional que não existe! Empresa A visão evolutiva da área de Gestão de Pessoas... 1930 Surgem departamentos
Algoritmos e Estruturas de Dados I. Recursividade. Pedro O.S. Vaz de Melo
Algoritmos e Estruturas de Dados I Recursividade Pedro O.S. Vaz de Melo Problema Implemente uma função que classifique os elementos de um vetor em ordem crescente usando o algoritmo quicksort: 1. Seja
Programação Orientada a Objetos SANTOS, Rafael
Programação Orientada a Objetos SANTOS, Rafael É parte do software, e deve atender os requisitos do usuário Controla o hardware, incluindo periféricos de entrada e saída Usa um conjunto de comandos e regras:
EDITAL DE SELEÇÃO PARA MESTRADO 2016 PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO (UNIFEI)
1 EDITAL DE SELEÇÃO PARA MESTRADO 2016 PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO (UNIFEI) O Coordenador do Programa de Pós-Graduação em Engenharia de Produção (PPGEP) da Universidade Federal
UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE MATERIAIS
UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE MATERIAIS P 2 CEM PLANO DE ENSINO DAS DISCIPLINAS PESQUISA I A PESQUISA VII
SECRETARIA DE ESTADO DE CIÊNCIA E TECNOLOGIA FUNDAÇÃO UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO EDITAL
SECRETARIA DE ESTADO DE CIÊNCIA E TECNOLOGIA FUNDAÇÃO UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO EDITAL O REITOR DA UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO, no uso de suas atribuições, torna público que
Autoria: Fernanda Maria Villela Reis Orientadora: Tereza G. Kirner Coordenador do Projeto: Claudio Kirner. Projeto AIPRA (Processo CNPq 559912/2010-2)
Autoria: Fernanda Maria Villela Reis Orientadora: Tereza G. Kirner Coordenador do Projeto: Claudio Kirner 1 ÍNDICE Uma palavra inicial... 2 Instruções iniciais... 3 Retângulo... 5 Quadrado... 6 Triângulo...
A Estatística e a Engenharia
Causarum Cognitio - Stanza della Segnatura, Palácio do Vaticano 1 Uma definição de engenharia: Um engenheiro é alguém que resolve problemas que interessam à sociedade pela aplicação eficiente de princípios
VIII Oficinas de Formação A Escola na Sociedade da Informação e do Conhecimento praticar ao Sábado. E-learning. 3 de Março de 2007
VIII Oficinas de Formação A Escola na Sociedade da Informação e do Conhecimento praticar ao Sábado E-learning 3 de Março de 2007 Plataformas de E-learning em contexto educativo Intervenção de José Luís
Plenário Adriano Jorge, em 22 de abril de 2014. PROFESSOR BIBIANO PT VEREADOR
PROJETO DE LEI Nº121/2014 Dispõe sobre o desenvolvimento da política de acompanhamento especial para alunos da Rede Municipal de Ensino de Manaus que são portadores de doenças neurológicas e dá outras
Universidade Federal de Pernambuco Mestrado em Ciência da Computação
Universidade Federal de Pernambuco Mestrado em Ciência da Computação Lista 1 de Introdução a Agentes Inteligentes Bruno Benevides Cavalcante, Rafael Gonçalves Barreira [bbc2 rgb2]@cin.ufpe.br Agentes 1.
Arquitetura e Organização de Computadores. Profa. Débora Matos
Arquitetura e Organização de Computadores aula 1 Profa. Débora Matos Apresentação da disciplina CARGA HORÁRIA: 72H/A ANO/SEMESTRE: 2011/2 TURNO: NOITE PROFESSORA RESPONSÁVEL: DÉBORA MATOS COMPETÊNCIAS