Sistemas Inteligentes - Redes Neurais -
|
|
- Alfredo Marroquim Carreiro
- 6 Há anos
- Visualizações:
Transcrição
1 Sistemas Inteligentes - Redes Neurais - Marley Maria B.R. Vellasco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada PUC-Rio Introdução CONTEÚDO Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado Perceptron, Back Propagation, Competitive Learning (Mapa de Kohonen). 1
2 Introdução CONTEÚDO Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado Perceptron, Back Propagation, Competitive Learning (Mapa de Kohonen). MOTIVAÇÃO Constatação que o cérebro processa informações de forma diferente dos computadores convencionais CÉREBRO velocidade 1 milhão de vezes mais lenta que qualquer gate digital processamento extremamente rápido no reconhecimento de padrões COMPUTADOR processamento extremamente rápido e preciso na execução de seqüência de instruções muito mais lento no reconhecimento de padrões Processamento altamente paralelo (10 11 neurônios com 10 4 conexões cada) 2
3 Problema dos 100 Passos Neurônio: 2ms Processador: 2ns Processador é 10 6 mais rápido que o neurônio Cérebro reage a um estímulo entre 0,2 e 1 seg. O cérebro responde em 100 passos Observações: MOTIVAÇÃO O cérebro tem 10 bilhões de neurônios. Cada neurônio tem a conexões 60 trilhões de conexões sinapses! Cada pessoa pode dedicar conexões para armazenar cada segundo de experiência (65 anos de segundos!) Durante os 2 primeiros anos de vida, de sinapses são formadas por segundo!! 3
4 Introdução CONTEÚDO Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado Perceptron, Back Propagation, Competitive Learning (Mapa de Kohonen). OBJETIVO Estudar a teoria e a implementação de sistemas massivamente paralelos, que possam processar informações com eficiência comparável ao cérebro. 4
5 DEFINIÇÃO Redes Neurais Artificiais são sistemas inspirados nos neurônios biológicos e na estrutura massivamente paralela do cérebro, com capacidade de adquirir, armazenar e utilizar conhecimento experimental. IDÉIA BÁSICA Sistemas compostos de diversas unidades simples (neurônios artificiais) ligadas de maneira apropriada, podem gerar comportamentos interessantes e complexos. Comportamento é determinado pela estrutura das ligações (topologia) e pelos valores das conexões (pesos sinápticos) 5
6 Aquisição de Conhecimento: Aprendizado Treinamento efetuado através da apresentação de exemplos Existe uma variedade de algoritmos que estabelecem QUANDO e COMO os parâmetros da Rede Neural devem ser atualizados Algoritmos: Substituem a programação necessária para a execução das tarefas nos computadores APLICAÇÕES GERAIS Reconhecimento de Padrões Classificação de Padrões Correção de Padrões Previsão de Séries Temporais Aproximação de Funções Suporte à Decisão Geração de Informação Descoberta de Conhecimento 6
7 Introdução CONTEÚDO Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado Perceptron, Back Propagation, Competitive Learning (Mapa de Kohonen). Características Básicas Devido à similaridade com a estrutura do cérebro, as Redes Neurais exibem características similares ao do comportamento humano, tais como: 7
8 Características Básicas Procura Paralela e Endereçamento pelo Conteúdo: O cérebro não possui endereço de memória e não procura a informação sequencialmente Características Básicas Aprendizado: A rede aprende por experiência aprende por experiência, não necessitando explicitar os algoritmos para executar uma determinada tarefa 8
9 Características Básicas Associação: A rede é capaz de fazer associações entre padrões diferentes Ex: Cidade Pessoa Perfume Pessoa Pessoa Nome Características Básicas Generalização: Redes Neurais são capazes de generalizar o seu conhecimento a partir de exemplos anteriores Habilidade de lidar com ruídos e distorções, respondendo corretamente a padrões novos. 9
10 Características Básicas Robustez e Degradação Gradual: A perda de um conjunto de elementos processadores e/ou conexões sinápticas não causa o mal funcionamento da rede neural. Introdução CONTEÚDO Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado Perceptron, Back Propagation, Competitive Learning (Mapa de Kohonen). 10
11 EVOLUÇÃO McCulloch & Pitts (Mathematical Bio-Physics, Vol. 5, 1943), A Logical Calculus of Ideas Immanent in Nervous Activity Von Neumann Marvin Minsky Frank Rosenblatt Machine Intelligence Macroscopic Intelligence Microscopic Intelligence 1945 Digital Computers 1950 Black-Box AI (LISP) Perceptron, Adaline 1960 Mainframes Theorem Solver 1970 Vax 780 Expert Systems (Time Sharing) 1980 Workstations, PCs 1990 Desktop Supercomputers Commercialization of E.S. Rumelhart, Hopfield Commercialization of N.N. EVOLUÇÃO Modelo de McCulloch-Pitts: Entradas (valores 0,1) x 1 x 2 x n 1 2 n T s i = i = 1,2,..., n n s k+1 k = 1 se S i x i i=1 n T k 0 se S i x i < T i=1 11
12 x 1 x 2 x 3 EVOLUÇÃO Modelo de McCulloch-Pitts: T=0 T=0 T= entrada excitatória 1-1 T=1 s x 2 T=1 T=0 NAND A B AB entrada inibitória 1-1 T=1 x 1 x s k+1 = x k Célula de Memória na ausência de entradas, a saída é armazenada indefinidamente NOR A B A+B s HISTÓRICO McCulloch& Pitts (1943): modelo computacional para o neurônio artificial. Não possuía capacidade de aprendizado Hebb (1949): modelo de aprendizado (Hebbian Learning Rule) Rosenblatt (1957): Perceptron, com grande sucesso em certas aplicações e problemas em outras aparentemente similares Minsky& Papert ( Perceptrons 1969): prova matemática de que as redes Perceptron são incapazes de solucionar problemas simples tipo OU-EXCLUSIVO Rumelhart (início da década de 80): novos modelos que superaram os problemas dos Perceptrons. 12
13 Introdução CONTEÚDO Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado Perceptron, Back Propagation, Competitive Learning (Mapa de Kohonen). CONCEITOS BÁSICOS Neurônio Artificial (Elemento Processador) Estruturas de Interconexão FeedForard de 1 camada FeedForard de Múltiplas Camadas Recorrente (com realimentação) 13
14 Elemento Processador Elemento Processador inspirado no Neurônio Biológico Squashing Function Elementos Básicos Estado de Ativação s j Conexões entre Processadores a cada conexão existe um peso sináptico que determina o efeito da entrada sobre o processador ji Função de Ativação determina o novo valor do Estado de Ativação do processador s j = F (net j ) 14
15 Funções de Ativação É a função que determina o nível de ativação do Neurônio Artificial: s j = F(net j ) F(net j ) F(net j ) F(net j ) net j net j net j Degrau Pseudo-Linear Sigmoid RN x Sistema Nervoso Real Feed-Forard totalmente conectada estrutura uniforme poucos tipos de processadores geralmente estática Recorrente conexões localizadas módulos funcionais centenas de tipos de neurônios dinâmico 15
16 Tipos de Processadores Recebe os dados de entrada Apresenta os dados de saída As suas entradas e saídas permanecem dentro do sistema Exemplos Regressão Linear: y = a 0 + a 1 x 1 + a 2 x 2 + a 3 x 3 Variáveis explicativas Acha a reta com erro mínimo que passe pelos pontos existentes (padrões de treinamento) Representação Neural x 2 x 1 Bias = +1 a a 0 1 a 2 Função linear y Deslocamento em função do a 0 (bias) Reta obtida pela regressão x 3 a 3 16
17 Exemplos Transformada de Fourier: y = a 0 + a 1 sen(t + φ 1 ) + a 2 sen(2t + φ 2 ) + a 3 sen(3t + φ 3 ) +... Representação Neural +1 (bias ) f 3 2 t (tempo) f 2 f 1 3 a 2 a 3 a 1 a 0 Todos com função de ativação senoidal y Função Linear CONCEITOS BÁSICOS Neurônio Artificial (Elemento Processador) Estruturas de Interconexão FeedForard de 1 camada FeedForard de Múltiplas Camadas Recorrente (com realimentação) 17
18 Topologias das Redes Neurais Redes Feed-Forard: redes de uma ou mais camadas de processadores, cujo fluxo de dados é sempre em uma única direção, isto é, não existe realimentação. Redes Recorrentes: redes com conexões entre processadores da mesma camada e/ou com processadores das camadas anteriores (realimentação). Redes Feed-Forard Forard Redes de uma camada PE 1 PE 2 PE 3 PE n 18
19 Redes Feed-Forard Forard Rede de Múltiplas Camadas Camada Escondida PE 1 Camada de Saída PE 1 PE 2 PE 2 PE 3 PE m PE n Redes Recorrentes O u t p u t R ea l i m en t a ç ã o I n p u t 19
20 Redes Recorrentes O u t p u t R ea l i m en t a ç ã o I n p u t Redes Recorrentes O u t p u t R ea l i m en t a ç ã o 20
21 R ea Redes Recorrentes Rede Convergiu para um estado estável O u t p u t l i m en t a ç ã o Introdução CONTEÚDO Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado Perceptron, Back Propagation, Competitive Learning (Mapa de Kohonen). 21
22 Processamento Neural O processamento de uma Rede Neural pode ser dividido em duas fases: Processo de atualização dos pesos sinápticos para a aquisição do conhecimento - Aquisição da Informação Processo de cálculo da saída da rede, dado um certo padrão de entrada - Recuperação da Informação Aprendizado 22
23 Aprendizado Processo pelo qual os parâmetros livres - pesos sinápticos - de uma rede neural são adaptados através de um processo contínuo de estimulação pelo ambiente. Existem 4 tipos principais de aprendizado: Treinamento Supervisionado (TS); Treinamento Não-Supervisionado; Treinamento em Batch ; Reinforcement Learning. Treinamento Supervisionado A rede é treinada através do fornecimento dos valores de entrada e de seus respectivos valores desejados de saída ( training pair ). Geralmente efetuado através do processo de minimização do erro calculado na saída. 23
24 Treinamento Supervisionado PADRÃO DE ENTRADA (X) PESOS AJUSTÁVEIS (W) SAÍDA (s) e(t,s) CÁLCULO DO ERRO (e) VALOR DESEJADO (t) Treinamento Supervisionado 24
25 Treinamento Supervisionado FUNÇÕES OBJETIVO: Genérica Sum of Squared Errors: E SSE = Σ p Σ i (t pi - y pi ) 2 p = padrões i = elemento processador de saída Treinamento Não-Supervisionado Self-Organization Não requer o valor desejado de saída da rede. O sistema extrai as características do conjunto de padrões, agrupando-os em classes inerentes aos dados. Aplicado a problemas de Clusterização 25
26 Treinamento Não-Supervisionado PADRÃO DE ENTRADA (X) PESOS AJUSTÁVEIS (W) SAÍDA (s) Treinamento em Batch Batch Os valores dos pesos sinápticos são estabelecidos a priori, em um único passo. Também chamado de Gravação - Recording 26
27 Reinforcement Learning Semelhante ao Treinamento Supervisionado (existe um objetivo); NÃO existe um target para cada padrão; Existe uma realimentação (sinal de reforço) que avalia a resposta como boa ou ruim; O objetivo é maximizar a quantidade de reforço positivo Ex. aprendizado de jogos. Recuperação de Dados 27
28 Recuperação de Dados Assumindo que um conjunto de padrões tenha sido armazenado, a Rede Neural pode executar as seguintes tarefas: Auto-associação Hetero-associação Classificação GENERALIZAÇÃO Recuperação de Dados Autoassociação: A Rede Neural recupera o padrão armazenado mais semelhante ao padrão de entrada apresentado. Recuperação de padrões ruidosos Padrão de entrada distorcido Padrão correto recuperado 28
29 Recuperação de Dados Heteroassociação: A Rede Neural armazena a associação entre um par de padrões. Recuperação de um padrão diferente do da entrada. Padrão de entrada com ou sem ruído Padrão correto recuperado Recuperação de Dados Classificação: A Rede Neural responde com a informação relativa à classe a qual o padrão de entrada pertence. Caso especial de Heteroassociação Ex: Padrões de entrada divididos em 3 classes distintas. Padrão de entrada com ou sem ruído Classe 1 Classe 2 Classe 3 Classe 3 - Quadrados 29
30 Recuperação de Dados Generalização: A Rede Neural responde corretamente a um padrão de entrada fora do conjunto de treinamento. GENERALIZAÇÃO A Rede Neural responde corretamente a um padrão de entrada fora do conjunto de treinamento. f(x) generalizações Interpola corretamente os novos pontos apresentados Interpolação ruim Boa interpolação x 1 x 2 x 3 X novo x 4 x 5 x i pontos do conjunto de treinamento x novo novo ponto para generalização x 30
31 Exemplos de Treinamento Supervisionado ❶ Reconhecimento de Caracteres ❷ Previsão de Séries Temporais Reconhecimento de Caracteres 31
32 Processo de Aprendizado Atividade Neural Alvo I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Pesos Escondida Saída Processo de Aprendizado I 1 H 1 O 1 Erro = - I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Pesos Escondida Saída Atualização dos pesos em função do erro 32
33 Processo de Aprendizado Atividade Neural Alvo I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Pesos Escondida Saída Processo de Aprendizado Erro = - I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Pesos Escondida Saída Atualização dos pesos em função do erro 33
34 Processo de Aprendizado Atividade Neural Alvo I 1 H 1 O 1 I 2 H 2 O 2 Dados para Treinamento I 3 H 3 O 3 Entrada Pesos Pesos Escondida Saída Processo de Generalização Recuperação da Informação Aprendida 34
35 Processo de Generalização Atividade Neural I 1 H 1 O 1 I 2 H 2 O 2 Novo dado (não apresentado durante o treinamento) I 3 Entrada Pesos H 3 Pesos Escondida O 3 Saída Processo de Generalização Atividade Neural I 1 H 1 O 1 I 2 H 2 O 2 I 3 Entrada Pesos H 3 Pesos Escondida O 3 Saída Resposta correta a um novo padrão! 35
36 Previsão de Séries Temporais Estrutura da Rede Neural alvo Série temporal janela Entradas da rede = n valores passados Saída Desejada = valor da série k passos à frente Dados de Treinamento Ex: 5 valores passados Ex: valor um passo à frente 36
37 Processo de Aprendizado alvo Série temporal janela Entradas da rede Dados de Treinamento Saída da rede: Valor previsto um passo à frente Processo de Aprendizado alvo Série temporal janela Entradas da rede Ajuste dos pesos a partir do erro (Erro= alvo - previsto) Dados de Treinamento Saída da rede: Valor previsto um passo à frente 37
38 Processo de Aprendizado Série temporal janela alvo Entradas da rede Saída da rede: Valor previsto um passo à frente Ajuste dos pesos a partir do erro (Erro= alvo - previsto) Dados de Treinamento Processo de Generalização Recuperação da Informação Aprendida 38
39 Processo de Generalização Série temporal janela Entradas da rede Dados de Treinamento Processo de Generalização Série temporal janela previsto Entradas da rede Dados de Treinamento Dados previstos Saída da rede: Valor previsto 39
40 Processo de Generalização Série temporal janela previsto Entradas da rede: inclui o(s) valor(es) previstos pela Rede Dados de Treinamento Dados previstos Saída da rede: Valor previsto 40
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 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 maisHardware: Componentes Básicos. Sistema de Computador Pessoal. Anatomia de um Teclado. Estrutura do Computador. Arquitetura e Organização
Hardware: Componentes Básicos Arquitetura dos Computadores Dispositivos de Entrada Processamento Dispositivos de Saída Armazenamento Marco Antonio Montebello Júnior marco.antonio@aes.edu.br Sistema de
Leia maisARQUITETURA 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
Leia maisIC Inteligência Computacional Redes Neurais. Redes Neurais
Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais
Leia maisMicroprocessadores. Memórias
s António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Arquitectura de Microcomputador Modelo de Von Neumann Barramento de Endereços µprocessador Entrada/Saída Barramento
Leia maisSISTEMAS 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
Leia maisIntrodução à Informática
Introdução à Informática Alexandre Meslin (meslin@nce.ufrj.br) Objetivo do Curso Apresentar os conceitos básicos de informática, de software e de hardware. Introduzir os conceitos relativos à representação
Leia maisTECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS PROGRAMAÇÃO DE COMPUTADORES I
TECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS PROGRAMAÇÃO DE COMPUTADORES I Aula 02: Organização e Arquitetura de Computadores / Lógica Digital (Parte I) O conteúdo deste documento tem por objetivo
Leia maisENG1000 Introdução à Engenharia
ENG1000 Introdução à Engenharia Aula 09 Vetores e Matrizes Edirlei Soares de Lima Introdução Até agora nós temos usado variáveis simples para armazenar valores usados por nossos
Leia maisUnidade 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
Leia maisMÓDULO 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,
Leia maisSISTEMAS OPERACIONAIS. 3ª. Lista de Exercícios
SISTEMAS OPERACIONAIS INF09344 - Sistemas Operacionais / INF02780 - Sistemas Operacionais / INF02828 - Sistemas de Programação II Prof a. Roberta Lima Gomes (soufes@gmail.com) 3ª. Lista de Exercícios Data
Leia maisSistemas Operacionais. Rodrigo Rubira Branco rodrigo@kernelhacking.com rodrigo@fgp.com.br. www.fgp.com.br
Sistemas Operacionais Rodrigo Rubira Branco rodrigo@kernelhacking.com rodrigo@fgp.com.br Tipos de Sistemas Operacionais De Sistemas Embarcados (PalmOS,WinCE,WinXPEmbbeded,Linux) Hardware simples, especifico
Leia maisOs salários de 15 áreas de TI nas cinco regiões do Brasil
Os salários de 15 áreas de TI nas cinco regiões do Brasil Entre 2011 e 2012, os salários na área de tecnologia da informação (TI) cresceram em média 10,78% um número animador, que pode motivar jovens estudantes
Leia maisAula 03. Processadores. Prof. Ricardo Palma
Aula 03 Processadores Prof. Ricardo Palma Definição O processador é a parte mais fundamental para o funcionamento de um computador. Processadores são circuitos digitais que realizam operações como: cópia
Leia maisUniversidade Estadual de Ponta Grossa PRÓ-REITORIA DE GRADUAÇÃO DIVISÃO DE ENSINO
Universidade Estadual de Ponta Grossa PRÓ-REITORIA DE GRADUAÇÃO DIVISÃO DE ENSINO PROGRAMA DE DISCIPLINA SETOR: Ciências Agrárias e de Tecnologia DEPARTAMENTO: Informática DISCIPLINA: Introdução à Organização
Leia maisFundamentos de Programação. Diagrama de blocos
Fundamentos de Programação Diagrama de blocos Prof. M.Sc.: João Paulo Q. dos Santos E-mail: joao.queiroz@ifrn.edu.br Página: http://docente.ifrn.edu.br/joaoqueiroz/ O processo de desenvolvimento (programação),
Leia maisFísica Experimental III
Física Experimental III Unidade 4: Circuitos simples em corrente alternada: Generalidades e circuitos resistivos http://www.if.ufrj.br/~fisexp3 agosto/26 Na Unidade anterior estudamos o comportamento de
Leia maisFACULDADE MULTIVIX CURSO DE ENGENHARIA DE PRODUÇÃO 2º PERÍODO MARIANA DE OLIVEIRA BERGAMIN MONIQUE MATIELLO GOMES THANIELE ALMEIDA ALVES
FACULDADE MULTIVIX CURSO DE ENGENHARIA DE PRODUÇÃO 2º PERÍODO MARIANA DE OLIVEIRA BERGAMIN MONIQUE MATIELLO GOMES THANIELE ALMEIDA ALVES COMPUTAÇÃO EM NUVEM CACHOEIRO DE ITAPEMIRIM 2015 MARIANA DE OLIVEIRA
Leia maisProcessamento de Dados aplicado à Geociências. AULA 1: Introdução à Arquitetura de Computadores
1 Processamento de Dados aplicado à Geociências AULA 1: Introdução à Arquitetura de Computadores UNIVERSIDADE FEDERAL DE PELOTAS CENTRO DE DESENVOLVIMENTO TECNOLÓGICO CURSO SUPERIOR DE TECNOLOGIA EM GEOPROCESSAMENTO
Leia mais0.1 Introdução Conceitos básicos
Laboratório de Eletricidade S.J.Troise Exp. 0 - Laboratório de eletricidade 0.1 Introdução Conceitos básicos O modelo aceito modernamente para o átomo apresenta o aspecto de uma esfera central chamada
Leia maisTratamento e Análise de Dados e Informações (TADI)
Tratamento e Análise de Dados e Informações (TADI) Apresentação do Curso Prof. André Martins A USP http://www4.usp.br/index.php/a-usp http://www.webometrics.info/ http://www.arwu.org/ By all means let's
Leia maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Leia maisInformática 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
Leia maisFlávia 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
Leia maisCircuitos de Comunicação. Prática 1: PWM
Circuitos de Comunicação Prática 1: PWM Professor: Hélio Magalhães Grupo: Geraldo Gomes, Paulo José Nunes Recife, 04 de Maio de 2014 SUMÁRIO Resumo 3 Parte I PWM - Teoria 3 Geração do PWM 5 Parte II Prática
Leia maisIniciação 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
Leia maisInteligência 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?
Leia maisASPECTOS 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
Leia maisMódulo de Princípios Básicos de Contagem. Segundo ano
Módulo de Princípios Básicos de Contagem Combinação Segundo ano Combinação 1 Exercícios Introdutórios Exercício 1. Numa sala há 6 pessoas e cada uma cumprimenta todas as outras pessoas com um único aperto
Leia maisObjetivo do Portal da Gestão Escolar
Antes de Iniciar Ambiente de Produção: É o sistema que contem os dados reais e atuais, é nele que se trabalha no dia a dia. Neste ambiente deve-se evitar fazer testes e alterações de dados sem a certeza
Leia maisORIENTADOR 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
Leia maisExperiência 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
Leia mais1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza
1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza 1) Arredonde os valores abaixo, para apenas dois algarismos significativos: (a) 34,48 m (b) 1,281 m/s (c) 8,563x10
Leia maisRedes Neuronais. Redes neuronais artificiais. Redes neuronais artificiais. Redes neuronais artificiais
Redes neuronais artificiais Surgiram nos anos 40 com o objectivo de conhecer melhor o cérebro humano e emular o seu comportamento. Departamento de Matemática Universidade dos Açores Redes Neuronais Introdução
Leia mais1. Introdução... 2. 2. As origens da RNA... 3. 3. O nosso cérebro... 5. 3.1. Plasticidade e modulação sináptica... 5
Sumário 1. Introdução... 2 2. As origens da RNA... 3 3. O nosso cérebro... 5 3.1. Plasticidade e modulação sináptica... 5 4. As redes neurais artificiais... 7 4.1. Estrutura da RNA... 7 4.3. Modelos de
Leia maisSistemática dos seres vivos
Sistemática dos seres vivos O mundo vivo é constituído por uma enorme variedade de organismos. Para estudar e compreender tamanha variedade, idd foi necessário agrupar os organismos de acordo com as suas
Leia maisMódulo e-rede Magento v1.0. Manual de. Instalação do Módulo. estamos todos ligados
Módulo e-rede Magento v1.0 Manual de Instalação do Módulo estamos todos ligados 01 02 03 04 Introdução 3 Versão 3 Requerimentos 3 Manual de instalação 4 05 06 4.1 Instruções iniciais 4 4.2 Instalação e
Leia maisAula 7. Relações básicas: volume, densidade e velocidade
Universidade Presbiteriana Mackenzie Escola de Engenharia Depto. de Engenharia Civil 2 0 semestre de 2015 Aula 7 Relações básicas: volume, densidade e velocidade 7.1. Relações básicas: modelo linear de
Leia mais10. CPU (Central Processor Unit)... 10 2 10.1 Conjunto das instruções... 10 2 10.2 Estrutura interna... 10 4 10.3 Formato das instruções...
10. CPU (Central Processor Unit)... 10 2 10.1 Conjunto das instruções... 10 2 10.2 Estrutura interna... 10 4 10.3 Formato das instruções... 10 4 10. CPU (CENTRAL PROCESSOR UNIT) Como vimos no capítulo
Leia maisProf. 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
Leia maisMetodologias de PETI. Prof. Marlon Marcon
Metodologias de PETI Prof. Marlon Marcon PETI O PETI é composto de: Planejamento Estratégico da organização, que combina os objetivos e recursos da organização com seus mercados em processo de transformação
Leia maisFundamentos de Sistemas Operacionais
Fundamentos de Sistemas Operacionais Aula 2 Princípios de Programação Prof. Belarmino Linguagem de Computadores Internamente os computadores usam instruções e armazenam os dados no formato numérico binário
Leia mais2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R
2 Conceitos Básicos Neste capítulo são apresentados alguns conceitos importantes e necessários para o desenvolvimento do trabalho. São apresentadas as definições de campo vetorial, fluxo e linhas de fluxo.
Leia maisAuxiliar em Administração de Redes Redes de Computadores I
Prof. Diego Pereira Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus Currais Novos Auxiliar em Administração de Redes Redes de Computadores
Leia maisProcessamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti
Processamento Digital de Sinais Conversão A/D e D/A Prof. Dr. Carlos Alberto Ynoguti Introdução A maioria dos sinais encontrados na natureza é contínua Para processá los digitalmente, devemos: Converter
Leia maisSistemas Ininterruptos de Energia
Sistemas Ininterruptos de Energia Nikolas Libert Aula 13 Manutenção de Sistemas Eletrônicos Industriais ET54A Tecnologia em Automação Industrial Sistemas Ininterruptos de Energia Sistemas Ininterruptos
Leia maisSistemas de Informação --- conceitos e definição
Sistemas de Informação --- conceitos e definição Introdução O futuro dos sistemas de informação A análise e dsenvolvimento de sistemas de informação Introdução O futuro dos sistemas de informação A análise
Leia maisEDITAL PARA INSCRIÇÃO DE TRABALHOS NO III CURSO DE EXTENSÃO SOBRE O TRABALHO DO ASSISTENTE SOCIAL NA EDUCAÇÃO DO IFMG
EDITAL PARA INSCRIÇÃO DE TRABALHOS NO III CURSO DE EXTENSÃO SOBRE O TRABALHO DO ASSISTENTE SOCIAL NA EDUCAÇÃO DO IFMG 1. DO OBJETIVO Promover concurso de trabalhos a serem apresentados nas formas de pôster
Leia maisÁlgebra 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
Leia maisManual Remessa Bancária
Manual Remessa Bancária SUPERANDO DESAFIOS Identificação: 12.06a Autora: Laila M G Gechele Doc. Vrs. 01 Aprovado em: Revisores: Nota de copyright Copyright 2012 Teorema Informática, Guarapuava. Todos os
Leia maisCONCEITOS 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
Leia maisAcionamento 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
Leia maisObtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau
Alunos: Nota: 1-2 - Data: Obtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau 1.1 Objetivo O objetivo deste experimento é mostrar como se obtém o modelo matemático de um sistema através
Leia maisClassificação 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
Leia maisTECNOLOGIAS APLICADAS
ESCOLA SECUNDÁRIA DE VALONGO Ano Lectivo: 2009/2010 CURSO PROFISSIONAL DE ELECTRÓNICA, AUTOMAÇÃO E COMPUTADORES TECNOLOGIAS APLICADAS 12 ANO - Turma TE Professor: Ana Lisa Rodrigues Grupo: 0 Tecnologias
Leia maisRegistro Hospitalar de Câncer Conceitos Básicos Planejamento Coleta de Dados Fluxo da Informação
Registro Hospitalar de Câncer Conceitos Básicos Planejamento Coleta de Dados Fluxo da Informação Registro Hospitalar de Câncer Este tipo de registro se caracteriza em um centro de coleta, armazenamento,
Leia maisBanco 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
Leia maisScheduling 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
Leia maisIntrodução à Informática. Aula 05. Redes de Computadores. Prof. Fábio Nelson
Aula 05 Redes de Computadores Sistemas de Comunicação de Dados Sistemas computadorizados que transmitem dados por meio de linhas de comunicação, como, por exemplo, linhas telefônicas ou cabos. História:
Leia maisAuditoria de Meio Ambiente da SAE/DS sobre CCSA
1 / 8 1 OBJETIVO: Este procedimento visa sistematizar a realização de auditorias de Meio Ambiente por parte da SANTO ANTÔNIO ENERGIA SAE / Diretoria de Sustentabilidade DS, sobre as obras executadas no
Leia maisA Propriedade Intelectual
Maria do Rosário Dias Camelo A Propriedade Intelectual REFERE-SE ÀS CRIAÇÕES DO ESPÍRITO HUMANO CONCEBIDAS PELA IMAGINAÇÃO E PELA CAPACIDADE CRIATIVA DO HOMEM, APOIADA NO CONHECIMENTO E NOS INVESTIMENTOS
Leia maisProf. José Maurício S. Pinheiro - UGB - 2009
Auditoria e Análise de Segurança da Informação Forense Computacional Prof. José Maurício S. Pinheiro - UGB - 2009 Forense Computacional 2 Forense Computacional A forense computacional pode ser definida
Leia maisUniversidade Federal de Juiz de Fora - Laboratório de Eletrônica - CEL037
Página 1 de 5 1 Título 2 Objetivos Prática 10 Aplicações não lineares do amplificador operacional. Estudo e execução de dois circuitos não lineares que empregam o amplificador operacional: comparador sem
Leia maisRedes de Computadores
Redes de Computadores por fldotti@inf.pucrs.br Redes de Computadores Nível de Rede Algoritmos de Roteamento Redes de Computadores 2 1 Nível de Rede Roteamento ligação entre redes é realizada por estações
Leia mais4 Sistema Computacional:
4 Sistema Computacional: Hardware: são os componentes e dispositivos eletrônicos que operando em conjunto com outros componentes ou mesmo individualmente realizam uma das funções de um sistema de computação.
Leia maisCONSELHO REGIONAL DE ENFERMAGEM DE SÃO PAULO. Resposta aos questionamentos efetuados pela empresa TOTVS, temos a informar conforme segue:
Resposta aos questionamentos efetuados pela empresa TOTVS, temos a informar conforme segue: Questionamento 1: Tomando como base a definição de que os Conselhos o Federal e os Regionais foram criados por
Leia maisCONCEITO DE ADMINISTRAÇÃO
CONCEITO DE ADMINISTRAÇÃO Sistema Aberto DISCIPLINA: Introdução à Administração FONTE: BATEMAN, Thomas S. SNELL, Scott A. Administração Construindo Vantagem Competitiva. Atlas. São Paulo, 1998. IA_02_CONCEITO
Leia maisUM 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
Leia maisMódulo: M_CONFIRMA_AGENDAMENTO - Confirmação dos Agendamentos
Page 1 of 16 145806 Módulo: M_CONFIRMA_AGENDAMENTO - Confirmação dos Agendamentos PDA 145806: Aumento do Campo "Telefone". SOLICITAÇÃO DO CLIENTE Aumentar o campo "Telefone" nas telas de agendamento, para
Leia maisModelo 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
Leia maisE-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
Leia maisEsta melhoria depende de execução do update de base U_UPDFIN, conforme procedimento para implementação.
Solicitação de Fundos Novas Funcionalidades Produto : Microsiga Protheus Financeiro versão 11 Chamado : TEIXDG Data da publicação : 01/08/12 País(es) : Argentina Banco(s) de Dados : Todos Esta melhoria
Leia maisE-mail: rbrunow@uss.br
! " # $! &%'! ()*) ( +!, -,./!, ' *3.45 6 3 7 3 8 3 *3.49: 3 8 *- ; ,?3. @*
Leia maisO Sistema de Computação
Departamento de Ciência da Computação - UFF O Sistema de Computação Profa. Débora Christina Muchaluat Saade debora@midiacom.uff.br O Sistema de Computação Capítulo 2 Livro do Mário Monteiro Componentes
Leia maisSeu pé direito nas melhores Faculdades
10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,
Leia maisProva de Fundamentos de Bancos de Dados 1 a Prova
Prova de Fundamentos de Bancos de Dados 1 a Prova Prof. Carlos A. Heuser Abril de 2009 Prova sem consulta duas horas de duração 1. (Peso 2 Deseja-se projetar um banco de dados para o sítio de uma prefeitura.
Leia maisRESOLUÇÃO CONSEPE/UFERSA Nº 007/2010, de 19 de agosto de 2010.
CONSELHO DE ENSINO, PESQUISA E EXTENSÃO RESOLUÇÃO CONSEPE/UFERSA Nº 007/2010, de 19 de agosto de 2010. Cria o Núcleo de Educação à Distância na estrutura organizacional da Pró- Reitoria de Graduação da
Leia maisArquivos Seqüenciais Atualização em Lote
Arquivos Seqüenciais Atualização em Lote Vanessa Braganholo Baseado no Material de: Inhaúma Neves Ferraz (IC/UFF) Cenário } Arquivos Sequenciais Ordenados } Objetivo: atualizar o arquivo, mantendo sua
Leia maisSistemas de informação para empresas
Sistemas de informação para empresas Manutenção e exploração de sistemas inovação e desafios tecnológicos desenvolvimentos e prospectiva a redifinição do conceito de negócio síntese do potencial da implementação
Leia maisAnálise 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
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 maisAnálise de Requisitos
Análise de Requisitos Análise de Requisitos O tratamento da informação é um requisito que fundamenta o processo de desenvolvimento de software antes da solução de tecnologia a ser aplicada. Cada projeto
Leia maisAula 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 maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisProgramação 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:
Leia maisAprendizagem 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
Leia maisFerramentas de Gestão
Ferramentas de Gestão Cenário Encontrado Sistemas Criados com objetivo de solucionar problemas isolados Adaptados conforme a necessidade da informação Foco na operacionalização Muitos controles paralelos
Leia maisCompetências e Habilidades
Competências e Habilidades Aula 11 Gestão da Carreira Autoconhecimento Personalidade Motivações Valores Habilidades Interesses Análise do Ambiente Definição de objetivos Ações / Estratégias 2 1 Gerenciamento
Leia maisSistemas Digitais II. Interface com o mundo analógico. Prof. Marlon Henrique Teixeira Abril/2014
Sistemas Digitais II Interface com o mundo analógico Prof. Marlon Henrique Teixeira Abril/2014 Objetivos Compreender a teoria de funcionamento e as limitações dos circuitos de diversos tipos de conversores
Leia maisCarlos de Salles Soares Neto csalles@deinf.ufma.br Segundas e Quartas, 17h40 às 19h10
Algoritmos I Variáveis, Entrada e Saída de Dados Carlos de Salles Soares Neto csalles@deinf.ufma.br Segundas e Quartas, 17h40 às 19h10 Variáveis Área de memória para o armazenamento de dados Variáveis
Leia maisRodrigo Claudino Diogo 1, Valéria A. Ribeiro de Lima 2, Vanusa Maria de Paula 3, Rosymeire Evangelista Dias 4
A formação docente em Ciência, Tecnologia, Sociedade e Educação Ambiental TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO NA SALA DE AULA: PRODUÇÃO DE VÍDEOS POR MEIO DE SMARTPHONES COMO UMA POSSIBILIDADE VIÁVEL
Leia maisPlanejamento - 2. Definição de atividades Sequenciamento das atividades. Mauricio Lyra, PMP
Planejamento - 2 Definição de atividades Sequenciamento das atividades 1 6.1 Definir as atividades 1 Lista das atividades A lista das atividades é uma lista abrangente que inclui todas as atividades necessárias
Leia maisFigura 4.1: Diagrama de representação de uma função de 2 variáveis
1 4.1 Funções de 2 Variáveis Em Cálculo I trabalhamos com funções de uma variável y = f(x). Agora trabalharemos com funções de várias variáveis. Estas funções aparecem naturalmente na natureza, na economia
Leia maisRoteiro... 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
Leia maisDepois do estudo deste capítulo, o estudante deve ser capaz de:
1 Introdução 1.1 Objetivos: Depois do estudo deste capítulo, o estudante deve ser capaz de: Definir o modelo de Turing de um computador; Definir o modelo de von Neumann do computador; Descreve os três
Leia maisRedes Sem Fio (Wireless) Prof. Fred Sauer. email: fsauer@gmail.com. Redes Sem Fio (Wireless) 1
Redes Sem Fio (Wireless) Prof. Fred Sauer email: fsauer@gmail.com Redes Sem Fio (Wireless) 1 Bibliografia Wireless Communication : O Guia Essencial de Comunicação sem Fio (Livro texto) Andy Dornan Editora
Leia maisInteligência Artificial Aplicada a Robôs Reais
Inteligência Artificial Aplicada a Robôs Reais Prof. Dr. Eduardo Simões Instituto de Ciências Matemáticas e de Computação USP Cópias das Transparências: http://www.icmc.usp.br/~simoes/seminars/semi.html
Leia mais