Redes Neurais Artificiais. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 9)
|
|
- Regina Farias de Sintra
- 6 Há anos
- Visualizações:
Transcrição
1 Redes Neurais Artificiais Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 9)
2 Conceitos 2
3 Redes Neurais As Redes Neurais Artificias são modelos computacionais de processamento de dados inspirados nos neurônios biológicos e na estrutura paralela do cérebro, isto é, na forma como o cérebro humano funciona. As RN, apresentam algumas características muito interessantes: - são capazes de aprender; de generalizar as soluções; de lidar com dados ruidosos ou incompletos. 3
4 Características: Redes Neurais As Redes aprendem por experiência, não necessitando explicitar os algoritmos para executar uma determinada tarefa (aprendizado); As redes são capazes de realizar associações entre padrões diferentes (associação); e generalizar o seu conhecimento a partir de exemplos anteriores (generalização); As redes são capazes de lidar com ruídos e distorções respondendo corretamente aos novos padrões. Isto é, a perda de um conjunto de elementos processadores e/ou conexões sinápticas não causa o mal funcionamento da rede neural (robustez) 4
5 Redes Neurais: neurônio biológico O neurônio biológico é entendido como sendo basicamente o dispositivo elementar do sistema nervoso, que possuía muitas entradas e uma saída. A partir do corpo celular, ou soma, (o centro dos processos metabólicos da célula nervosa) projetam-se extensões filamentares, os dendritos, e o axônio. 5
6 Redes Neurais: neurônio artificial Neurónio = processador de informação recebe e envia impulso a milhares de neurónios dendritos: canais de entrada corpo celular: órgão de cômputo (soma ponderada, função não linear) axónio: canal de saída distribuição a outros neurónios Potencial pos-sináptico: y sign( h (w, x) = w. x = j w j x j n i 0 wix i k ) Entradas x 1 x 2 sinapsis (pesos) w 1 w 2 dendritas w n somatória pesada função de activação saída axon f( ) y O factor bias t é usualmente subtraído ao potencial pos-sináptico função de activação para obter y: x n -1 t limiar (threshold) y = f (w. x t) y = f(w x t) = f( j w j x j t)
7 Redes Neurais Selecione: File> New Project> Samples> Neuroph> Basic Neuron Sample 7
8 Redes Neurais Modelo simples de um neurónio artificial Input nodes X 1 Black box w 1 Output node X 2 w 2 Y w 3 X 3 t 8
9 Redes Neurais As redes neurais são estruturas que consistem em um conjunto de nós interconectados chamados neurônios. Cada neurônio tem entradas por meio do qual ele recebe saídas de outros neurônios e saídas através do qual são enviadas para as entradas de outros neurônios. A maneira na qual os neurónios estão interligados determina o tipo de arquitetura de rede neural. 9
10 Redes Neurais: arquitetura As RNAs contêm tem 3 tipos de camadas (layers): input layer: informação que entra no neurónio hidden layer: camadas intermédias, podem ser várias output layer: informação que sai Modelos mais populares: Perceptron: modelo mais simples, não usa hidden layers Multi-layer Feed-Forward: os nós de uma camada estão ligados apenas aos nós da seguinte camada modelo com 3 camadas nós de saída nós de entrada nós ocultos
11 Histórico 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 aplicações 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. 11
12 Perceptron 12
13 Perceptron Perceptron é uma simples rede neural de duas camadas com vários neurônios na camada de entrada e um ou mais neurônios na camada de saída, baseada no algoritmo de aprendizagem regra de Hebb ou regra delta. Um perceptron é um classificador linear binário, ou seja, uma função f: X Y que mapea um vector binário x a um valor binário y 13
14 Perceptron O perceptron, é formado por unidades básicas de neurônios do tipo MCP, e por uma regra de aprendizado baseado na regra de Hebb. Características Básicas: Regra de Propagação: net j = ( x i.w ij ) Função de Ativação: Degrau Topologia: uma única camada de processadores Algoritmo de Aprendizado: w ij =.x i.(t j - s j ) = taxa de aprendizado (constante) x i = é o valor de entrada da rede t j = saída desejada s j = saída obtida (real) e i = (saída desejada saída obtida). Ajuste de pesos: w ij (t +1) = w ij (t) + w ij 15
15 Perceptron 1.Iniciar os pesos sinápticos com valores randômicos e pequenos; 2.Aplicar um padrão de entrada, com seu respectivo valor de saída desejado ( t j ), e verificar a saída da rede ( s j ); 3. Calcular o erro na saída: e j = t j - s j 4. Se e j = 0, voltar ao passo 2; Se e j <> 0, atualizar os pesos: w ij =.x i.e j 5. Voltar ao passo 2. 16
16 Perceptron Função AND: x 1 x 2 Saída X 1 W 1 X 2 A 0 X 2 W 2 F(Net) A 2 S W 3 1 (bias) A 3 A 1 X 1 17
17 Perceptron W 0 = (0 0 0 ) Entrada Net s t e W W (1 1 1) (1 1 1) (1 1 1) (1 0 1) (-1 0-1) (0 1 0) (0 1 1) (0-1 -1) (0 0-1) (0 0 1) x (0 0-1) (1 1 1) (1 1 1) (1 1 0) (1 0 1) (-1 0-1) (0 1-1) (0 1 1) x (0 1-1) (0 0 1) x (0 1-1) 18
18 Perceptron Entrada Net s t e W W (1 1 1) (1 1 1) (1 2 0) (1 0 1) (-1 0-1) (0 2-1) (0 1 1) (0-1 -1) (0 1-2) (0 0 1) (0 0-1) (0 1-3) (1 1 1) (1 1 1) (1 2-2) (1 0 1) x (1 2-2) (0 1 1) x (1 2-2) (0 0 1) x (1 2-2) W 1 = 1; W 2 = 2; W 0 = -2 19
19 Perceptron W 1 = 1; W 2 = 2; W 0 = -2 W 2.X 2 + W 1.X 1 + W 0 = 0; X 2 = - W 1 /W 2 X 1 W 0 /W 2 X 2 = -1/2 X X 2 A 0 A 2 X 1 A 3 A 1 20
20 Perceptron Para criar e treinar rede neural Perceptron usando Neuroph faça: Passo 1. Criar projeto Neuroph: Clique em File> New Project. Selecione Projeto Neuroph, clique em Avançar. Digite o nome do projeto e localização, clique em concluir 21
21 Passo 2. Crie Perceptron rede. Clique em File> New File Perceptron Selecione projeto a partir do menu drop-down do projeto e selecione o tipo de arquivo da Rede Neural, clique em Avançar 22
22 Digite o nome da rede, selecione Perceptron tipo de rede, clique em Avançar. Perceptron Na nova caixa de diálogo: digite o número de neurônios de entrada (2) e de saída (1), escolha Perceptron Aprendizagem e clique Criar botão 23
23 Perceptron Isto irá criar a rede neural Perceptron com dois neurônios na entrada, e um na camada de saída. Por padrão, todas as funções de transferência, são do tipo passo. 24
24 Perceptron Passo 3. Para criar conjunto de treinamento, clique em File> New File para abrir o assistente de conjunto de treinamento Selecione set Training tipo de arquivo, clique em Avançar 25
25 Perceptron Digite o nome do conjunto de treinamento, o número de entradas e saídas, como mostrado na imagem abaixo e clique Criar botão.
26 Perceptron Em seguida, crie conjunto de treinamento, introduzindo elementos de formação como valores de neurônios na camada de entrada e saída de entrada e de saída desejados. Use Adicionar linha botão para adicionar novos elementos e clique em OK botão quando terminar
27 Passo 4: Para iniciar o processo de treinamento da rede, na janela de rede selecionar conjunto de treinamento e clique no botão Train. Perceptron Em Set Aprender Parâmetros de aprendizagem padrão de uso de diálogo e basta clicar no trem botão. 28
28 Perceptron Passo 5. Após o treinamento for concluído, você pode testar a rede para a formação integral definidas selecionando conjunto de treinamento para testar e clicando em teste botão. Isto irá mostrar os resultados dos testes na nova guia. 29
29 Perceptron Para testar a entrada única, use Set Input botão. Isto irá abrir conjunto de entrada da rede de diálogo na qual você pode digitar os valores de entrada para a rede, com espaço entre os valores. 30
30 Perceptron Rede aprendeu lógica e função: podemos ver que o neurônio de saída tem valor 0. Você pode selecionar vista gráfico para ver diferente visão da rede: 31
31 Perceptron Função OR: x 1 x 2 Saída X 2 A 2 A 3 A 0 A 1 X 1 32
32 Perceptron Função XOR: x 1 x 2 Saída X 2 A 2 A 3 A 0 A 1 X 1 33
33 O problema do OU-Exclusivo Conclusão: Mudando-se os valores de w i, muda-se a inclinação e a posição da reta; Entretanto, é impossível achar uma reta que divida o plano de forma a separar os pontos A 1 e A 2 de um lado e A 0 e A 3 de outro; Redes de 1 única camada só representam funções linearmente separáveis! 34
34 O problema do OU-Exclusivo Rosenblatt (1962) provou que uma rede Perceptron é capaz de aprender tudo que puder representar. Minsky & Papert provaram (Perceptrons 1969) que existem séries restrições sobre o que as redes Perceptron são capazes de Representar. Por exemplo, as redes Perceptron não são capazes de Representar a função OU-Exclusivo 35
35 Redes Neurais Multicamadas 36
36 Redes Neurais Multicamadas Redes Multi-Layer Perceptron (MLP): são redes do tipo Perceptron com mais de uma camada. Esta rede é constituída por várias camadas de neurónios (pelo menos três), onde cada neurónio de uma camada está ligada a todos os neurónios na camada seguinte. 37
37 Redes Neurais Multicamadas Redes de apenas uma camada só representam funções linearmente separáveis, redes de múltiplas camadas solucionam essa restrição. O grande desafio foi achar um algoritmo de aprendizado para a atualização dos pesos das camadas intermediárias. Idéia Central: os erros dos elementos processadores da camada de saída,conhecidos pelo treinamento supervisionado são retropropagados para as camadas intermediárias. 38
38 Redes Neurais Multicamadas x 1 x 2 x 3 x 4 x 5 Input Layer Input I 1 w i1 w I i2 2 w i3 S i Neuron i Activation function g(s i ) O i Output O i Hidden Layer I 3 threshold, t Output Layer Podem existir várias camadas ocultas Aprender RNAs ysignifica aprender os pesos dos dados. O algoritmo mais popular: back-propagation
39 Redes Neurais Multicamadas: funções de ativação
40 Redes Neurais Multicamadas: XOR Não existe uma fronteira linear que possa separar estas duas classes. (como o Perceptron pode construir apenas um hiperplano, não podemos usa-lo para modelar este problema). Os exemplos podem ser classificados usando 2 hiperplanos que dividem o espaço dos atributos (input space) em suas respectivas classes
41 Redes Neurais Multicamadas Para criar e treinar rede neural Multicamadas usando Neuroph faça: Passo 1. Criar projeto Neuroph: Clique em File> New Project. Selecione Projeto Neuroph, clique em Avançar. Digite o nome do projeto e localização, clique em concluir 46
42 Redes Neurais Multicamadas Passo 2. Crie Multicamadas rede. Clique em File> New File Selecione projeto a partir do menu drop-down do projeto e selecione o tipo de arquivo da Rede Neural, clique em Avançar 47
43 Redes Neurais Multicamadas Digite o nome da rede, selecione Multi Layer Perceptron tipo de rede, clique em Avançar. Na nova caixa de diálogo: digite o número de neurônios de entrada (9), de saída (1), camada escondida (5). 48
44 Redes Neurais Multicamadas Isto irá criar a rede neural Multicamadas. 49
45 Redes Neurais Multicamadas Passo 3. Para criar conjunto de treinamento, clique em File> New File para abrir o assistente de conjunto de treinamento Selecione set Training tipo de arquivo, clique em Avançar 50
46 Redes Neurais Multicamadas Digite o nome do conjunto de treinamento, o número de entradas e saídas, como mostrado na imagem abaixo e clique Criar botão.
47 Redes Neurais Multicamadas Passo 4: Para iniciar o processo de treinamento da rede, devemos selecionar os dados da rede e na janela de rede selecionar conjunto de treinamento e clique no botão Train. 52
48 Redes Neurais Multicamadas Passo 5. Após o treinamento for concluído, você pode testar a rede para a formação integral definidas selecionando conjunto de treinamento para testar e clicando em teste botão. Isto irá mostrar os resultados dos testes na nova guia. 53
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 maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 03 Aprendizado Supervisionado / : Modelo MCP e Perceptron Max Pereira Neurônio Booleano de McCulloch- Pitts (Modelo MCP) Proposto em
Leia maisClassificação Linear. André Tavares da Silva.
Classificação Linear André Tavares da Silva andre.silva@udesc.br Roteiro Introduzir os o conceito de classificação linear. LDA (Linear Discriminant Analysis) Funções Discriminantes Lineares Perceptron
Leia maisMulti-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 maisserotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina
Redes Neurais O modelo biológico O cérebro humano possui cerca 100 bilhões de neurônios O neurônio é composto por um corpo celular chamado soma, ramificações chamadas dendritos (que recebem as entradas)
Leia maisAprendizado de Máquinas. Multi-Layer Perceptron (MLP)
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquinas Multi-Layer Perceptron (MLP) David Menotti, Ph.D. web.inf.ufpr.br/menotti Redes Neuronais Cérebro humano.
Leia maisIntrodução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)
Leia maisAlgoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square Back Propagation Formas de Aprendizado Existe dois métodos básicos de aplicação do algoritmo Back Propagation: Aprendizado
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisProfessor 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 maisInteligência 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 maisRedes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas
Leia mais4 Redes Neurais Artificiais RNAs
66 4 Redes Neurais Artificiais RNAs Redes neurais artificial (RNA) são algoritmos que se baseiam no comportamento do cérebro humano. Dessa forma, imita a estrutura massivamente paralela do cérebro, com
Leia maisInteligência Artificial
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
Leia maisRede RBF (Radial Basis Function)
Rede RBF (Radial Basis Function) André Tavares da Silva andre.silva@udesc.br Roteiro Introdução à rede neural artificial RBF Teorema de Cover da separabilidade de padrões RBF x MLP RBF Função de ativação
Leia maisIntrodução 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 maisRedes 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 maisFundamentos das Redes Neurais: exemplos em Java
Fundamentos das Redes Neurais: exemplos em Java Recife 2008 Copyringt by 2007 Mêuser Valença Impresso no Brasil Printed in Brazil Editor Tarcísio Pereira Diagramação Maria do Carmo de Oliveira Capa Valeska
Leia mais3 Redes Neurais Introdução
3 Redes Neurais 3.. Introdução As redes neurais artificiais, ou comumente conhecidas como Neural Networs, foram motivadas em princípio pela extraordinária capacidade do cérebro humano para executar tarefas
Leia mais4 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 maisREDES 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 maisUniversidade 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 maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisProtótipo 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 maisFÁBIO BARROS TEBALDI ESTUDO DE REDES NEURAIS ARTIFICIAS PARA VERIFICAÇÃO E CLASSIFICAÇÃO DE ASSINATURAS ATRAVÉS DE IMAGENS
FUNDAÇÃO DE ENSINO EURÍPIDES SOARES DA ROCHA CENTRO UNIVERSITARIO EURÍPIDES DE MARÍLIA UNIVEM CURSO DE CIÊNCIA DA COMPUTAÇÃO BACHARELADO FÁBIO BARROS TEBALDI ESTUDO DE REDES NEURAIS ARTIFICIAS PARA VERIFICAÇÃO
Leia maisAula 1 Introdução - RNA
Aula 1 Introdução - RNA Sumário 1- Conceitos Iniciais; 2- Neurônio Biológico; 3- Neurônio Artificial; 4- Funções de Ativação; 5- Comparação Neurônio Biológico e Artificial. 1- Conceitos Iniciais - Computadores
Leia maisINTELIGÊNCIA 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 maisInteligência Artificial. IA Conexionista: Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis. Renan Rosado de Almeida
Inteligência Artificial IA Conexionista: Redes Neurais Artificiais Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis Renan Rosado de Almeida rralmeida@inf.ufrgs.br Perceptron de Múltiplas Camadas
Leia maisUso 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 maisClassificação de Padrões. Abordagem prática com Redes Neurais Artificiais
Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas
Leia maisRedes Neurais Artificiais ( Neural(
Redes Neurais Artificiais ( Neural( Netwrks ) Definiçã (Segund Haykin em [HAYKIN 200] ) Uma rede neural é um prcessadr maciçamente paralelamente distribuíd cnstituíd de unidades de prcessament simples,
Leia maisscikit-learn: Aprendizado de máquina 101 com Python
scikit-learn: Aprendizado de máquina 101 com Python Luciana Fujii Campus Party BH 2016 1 / 30 Introdução Aprendizado de máquina Aprendizado de máquina é o campo da ciência da computação que dá aos computadores
Leia maisSCC 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 maisUM 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 maisApostila Impress 01. Partes da Janela Principal do Impress
1 Apostila Impress 01 Partes da Janela Principal do Impress A janela principal do Impress tem três partes: - o Painel de Slides; - Área de Trabalho; - e Painel de Tarefas. Adicionalmente, diversas barras
Leia maisInteligência 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 mais3 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 maisRedes Neurais Artificiais
Redes Neurais rtificiais Histórico, Modelos e prendizado Neural Unisinos - 2001/2 Curso de Informática Disciplina: Redes Neurais Prof. Fernando Osório Centro de Ciências Exatas e Tecnológicas - C6 / E-mail:
Leia maisLaboratório Configuração do Backup e da Restauração de Dados no Windows 7 e no Vista
Laboratório Configuração do Backup e da Restauração de Dados no Windows 7 e no Vista Introdução Neste laboratório, você fará backup de dados. E também realizará uma restauração dos dados. Equipamentos
Leia maisRede Neural Artificial Aplicada ao Reconhecimento de Padrões usando o Método Back-Propagation
I 1 1 1 1 1 1 1 1 1 1 1 1 D2 1 1 1 1 Rede Neural Artificial Aplicada ao Reconhecimento de Padrões usando o Método Back-Propagation Divina Silva Uberlândia, Dezembro/2000. Rede Neural Artificial Aplicada
Leia maisRECONHECIMENTO 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 maisParadigmas de Aprendizagem
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Paradigmas de Aprendizagem Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisReconhecimento 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 maisNOÇÕES DE REDES NEURAIS ARTIFICIAIS
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS CORNÉLIO PROCÓPIO COORDENAÇÃO DE ELETROTÉCNICA - ENGENHARIA ELÉTRICA LABORATORIO DE SEGURANÇA ILUMINAÇÃO E EFICIÊNCIA ENERGÉTICA NOÇÕES DE REDES NEURAIS
Leia maisRicardo Cavalcanti Costa Modelos Preditivos de Velocidade de Vento para Sistemas Eólicos Baseados em Redes Neurais Artificiais
UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE ENERGIAS ALTERNATIVAS E RENOVÁVEIS DEPARTAMENTO DE ENGENHARIA ELÉTRICA Ricardo Cavalcanti Costa Modelos Preditivos de Velocidade de Vento para Sistemas Eólicos
Leia maisFaculdade de Jaguariúna
Faculdade de Jaguariúna Ciência da Computação REDES NEURAIS ARTIFICIAIS NA PREVISÃO DO CONSUMO DE ENERGIA ELÉTRICA Jaguariúna-SP 2005 2 Luis Fernando Pereira Vicente REDES NEURAIS ARTIFICIAIS NA PREVISÃO
Leia maisPREVISÃO 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 maisRedes Neurais Artificiais: Rede Hopfield e Redes Estocásticas
Universidade Federal Fluminense Instituto de Computação Pós-Graduação em Ciência da Computação Redes Neurais Artificiais: Rede Hopfield e Redes Estocásticas Juliana Mendes N. Silva Estudo Orientado Lúcia
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais x 1 w k1 Bias b k +1 +1 x 1 x 2 x 3 x m +1 y 1 y 2 y o Sinais de entrada x 2 x m Fabricio Breve fabricio@rc.unesp.br w k2 w km Pesos sinápticos Σ Junção aditiva v k f(. ) Saída
Leia maisRedes Neurais MLP: Exemplos e Características
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais MLP: Exemplos e Características DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia maisLocalizador de Defeitos
Manual de Instalação Rev. 4 Índice Índice...2 1 - Software...3 1.1 - Instalação...3 2 - Driver de comunicação...5 2.1 - Windows XP...5 2.2 - Windows Vista...7 2.3 - Windows 7...10 2.4 - Windows 8...13
Leia maisMulti-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 maisIntrodução 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 maisModelos de neurônios baseados na taxa de disparos
Modelos de neurônios baseados na taxa de disparos Devido à complexidade dos chamados modelos realistas de neurônios e redes neurais, baseados no formalismo de Hodgkin-Huxley, muitos autores preferem usar
Leia maisGUIA PARA CONFIGURAÇÃO DE CORREIO ELETRÔNICO
GUIA PARA CONFIGURAÇÃO DE CORREIO ELETRÔNICO Conteúdo MICROSOFT OUTLOOK 2007 e 2010... 3 Adicionando uma NOVA CONTA usando o Assistente... 3 Adicionando uma NOVA CONTA usando o menu Ferramentas... 8 MICROSOFT
Leia maisExcel Tabela Dinâmica - Incrementando seus conhecimentos e Aperfeiçoando a sua prática Excel 2010 Uso inteligente da Tabela Dinâmica
Excel Tabela Dinâmica - Incrementando seus conhecimentos e Aperfeiçoando a sua prática Excel 2010 Uso inteligente da Tabela Dinâmica Incrementando Seus conhecimentos Aperfeiçoando A sua prática Página
Leia maisSoluções 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 maisIntrodução 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 maisInteligência 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 maisUma pasta é pouco mais que um contêiner no qual é possível armazenar arquivos. Se
9. ARQUIVOS E PASTAS 9.1 O QUE SÃO ARQUIVOS E PASTAS? Um arquivo é muito parecido com um documento digitado que você poderia encontrar na mesa de alguém ou em um arquivo convencional. É um item que contém
Leia maisPROTÓTIPO DE UMA APLICAÇÃO PARA AUXÍLIO NA GERAÇÃO DE LAUDOS MÉDICOS A PARTIR DO RECONHECIMENTO DE PALAVRAS FALADAS UTILIZANDO REDES NEURAIS
UNIVERSIDADE DO PLANALTO CATARINENSE DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE SISTEMAS DE INFORMAÇÃO (BACHARELADO) JUNIOR STURM PROTÓTIPO DE UMA APLICAÇÃO PARA AUXÍLIO NA GERAÇÃO DE LAUDOS
Leia maisTutorial. Edição de DBF usando Excel e Access. Autores: Mauricio Schiavolin Silva, Vitor Pires Vencovsky
Tutorial Edição de DBF usando Excel e Access Autores: Mauricio Schiavolin Silva, Vitor Pires Vencovsky 1. INTRODUÇÃO Esse tutorial apresentará um procedimento para a edição de arquivos DBF utilizando os
Leia mais9. ARQUIVOS E PASTAS 9.1 O QUE SÃO ARQUIVOS E PASTAS?
9. ARQUIVOS E PASTAS 9.1 O QUE SÃO ARQUIVOS E PASTAS? Um arquivo é muito parecido com um documento digitado que você poderia encontrar na mesa de alguém ou em um arquivo convencional. É um item que contém
Leia maisFiltrando observações que atendam a um perfil
Filtrando observações que atendam a um perfil Pré-requisitos: Lista das questões Coleta das respostas O perfil tem como função isolar um segmento de amostra com características semelhantes (que atenda,
Leia maisARQUIVOS COMPACTADOS Para baixar o WinRAR entre em um dos links abaixo: http://www.baixaki.com.br/download/winrar.htm http://superdownloads.uol.com.br/download/160/winrar-portugues/ Descompactando Arquivos
Leia maisUm ambiente de Redes Neurais para Web
Universidade Federal de Pernambuco Centro de Ciências Exatas e da Natureza Departamento de Informática Um ambiente de Redes Neurais para Web Autor: Fausto Dias Oliveira de Queiroz Orientadores: Teresa
Leia maisMANUAL DE INSTALAÇÃO
MANUAL DE INSTALAÇÃO CADPREV ENTE-LOCAL MINISTÉRIO DA PREVIDÊNCIA SOCIAL Regimes de Previdência no Serviço Público ÍNDICE Para a PRIMEIRA INSTALAÇÃO do CADPREV ENTE-LOCAL é necessário seguir as seguintes
Leia maisAprendizado de Máquina
Aprendizado de Máquina Introdução ao WEKA Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://web.inf.ufpr.br/luizoliveira Luiz S. Oliveira (UFPR) Aprendizado de
Leia maisREDES 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 maisPorta 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 maisOBJETIVOS Selecionar dados aplicando AutoFiltro. Classificar dados por uma ou mais chaves. Aplicar o Filtro Avançado.
OBJETIVOS Selecionar dados aplicando AutoFiltro. Classificar dados por uma ou mais chaves. Aplicar o Filtro Avançado. Senac São Paulo 107 108 Senac São Paulo Filtrando e classificando no Excel Neste capítulo
Leia maisQuadras (4 feições) + atributo área Pontos notáveis + atributo de descrição
Exercicio 2 1. Copie os arquivos da pasta \\QUEBEC\Comp\SIG_Ambiental\ex2 para a sua pasta. Adicione os arquivos a um novo projeto no QGIS (há arquivos vetoriais e raster). Adicione os arquivos vetoriais
Leia mais.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 maisDESEMPENHO DO ALGORÍTMO DE BACKPROPAGATION COM A FUNÇÃO DE ATIVAÇÃO BI-HIPERBÓLICA
September 4-8, DESEMPENHO DO ALGORÍTMO DE BACKPROPAGATION COM A FUNÇÃO DE ATIVAÇÃO BI-HIPERBÓLICA Geraldo Miguez COPPE / PESC, Universidade Federal do Rio de Janeiro, Brasil geraldomiguez@gmail.com Nelson
Leia maisConsolidar dados de várias planilhas em uma única planilha
Página 1 de 5 Excel > Filtrando e classificando > Consolidando dados Consolidar dados de várias planilhas em uma única planilha Mostrar tudo Para resumir e informar os dados de planilhas separadas, você
Leia maisAPOSTILA TÓPICOS ESPECIAIS ENGENHARIA CIVIL II
APOSTILA TÓPICOS ESPECIAIS II DETERMINAÇÃO DE BACIAS DE CONTRIBUIÇÃO ATRAVÉS DO ARCGIS VOLUME 1 Revisão 1 Apostila para fins didáticos baseada no tutorial de Carla Carvalho Delimitação de bacias através
Leia maisCRIAÇÃO DE TABELAS NO ACCESS. Criação de Tabelas no Access
CRIAÇÃO DE TABELAS NO ACCESS Criação de Tabelas no Access Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Criação de um Banco de Dados... 4 3. Criação de Tabelas... 6 4. Vinculação de tabelas...
Leia maisReconhecendo Instrumentos Musicais Através de Redes Neurais Artificiais
Reconhecendo Instrumentos Musicais Através de Redes Neurais Artificiais Carlos Roberto Ferreira de Menezes Júnior, Eustáquio São José de Faria, Keiji Yamanaka Faculdade de Engenharia Elétrica (Programa
Leia maisCLASSIFICAÇÃO DE PERFIS DE USUÁRIOS DE UM SITE HIPERMÍDIA ADAPTATIVO UTILIZANDO REDES NEURAIS ARTIFICIAIS
UNIVERSIDADE DO PLANALTO CATARINENSE DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE INFORMÁTICA (BACHARELADO) CLASSIFICAÇÃO DE PERFIS DE USUÁRIOS DE UM SITE HIPERMÍDIA ADAPTATIVO UTILIZANDO REDES
Leia maisRafael Felisbino. Inteligência Artificial e Redes Neurais: Conceitos e Aplicações
Rafael Felisbino Inteligência Artificial e Redes Neurais: Conceitos e Aplicações Assis, SP 2012 Rafael Felisbino Inteligência Artificial e Redes Neurais: Conceitos e Aplicações Trabalho de Conclusão de
Leia maisGerenciamento de disco; criando nova partição
Gerenciamento de disco; criando nova partição A partir de agora vamos aprender a utilizar o Gerenciador de disco (gerenciador de partições), que está disponível no Windows Vista e Windows 7. Como já dito,
Leia maisREDES NEURAIS ARTIFICIAIS: UMA CONTRIBUIÇÃO AO PROCESSO DE DECISÕES FINANCEIRAS
REDES NEURAIS ARTIFICIAIS: UMA CONTRIBUIÇÃO AO PROCESSO DE DECISÕES FINANCEIRAS WILSON KENDY TACHIBANA VERIDIANA DE FÁTIMA ORLANDI Resumo: As redes neurais artificiais são modelos baseados no comportamento
Leia maisAjuda do Usuário do Forcepoint Secure Messaging
Ajuda do Usuário do Forcepoint Secure Messaging Bem-vindo ao Forcepoint Secure Messaging, uma ferramenta que fornece um portal seguro para transmissão e exibição de dados confidenciais e pessoais em emails.
Leia maisGuia para configurar o IDE Netbeans para desenvolver projectos em C/C++ com OpenMP:
Guia para configurar o IDE Netbeans para desenvolver projectos em C/C++ com OpenMP: Ativando C/C++ / Fortran no IDE NetBeans: Se você quiser trabalhar com C, C++ ou Fortran no IDE NetBeans, a instalação
Leia maisAVALIAÇÃO 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 maisDefinir e resolver um problema usando o Solver
Página 1 de 5 Excel > Analisando dados > Teste de hipóteses Definir e resolver um problema usando o Solver Mostrar tudo O Solver faz parte de um pacote de programas algumas vezes chamado de ferramentas
Leia maisINSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE CAMPUS JOÃO CÂMARA APRESENTAÇÃO ELETRÔNICA POWER POINT (CONTINUAÇÃO)
1 INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE CAMPUS JOÃO CÂMARA APRESENTAÇÃO ELETRÔNICA POWER POINT (CONTINUAÇÃO) Nickerson Fonseca Ferreira nickerson.ferreira@ifrn.edu.br
Leia maisOBJETIVOS: Esta apostila apresenta de forma simples, objetiva e eficiente alguns recursos de uma ferramenta para Apresentações Multimídia.
OBJETIVOS: Esta apostila apresenta de forma simples, objetiva e eficiente alguns recursos de uma ferramenta para Apresentações Multimídia. TEXTO: A idéia é facilitar o aprendizado através das telas capturadas,
Leia maisTRABALHANDO COM FUNÇÕES
TRABALHANDO COM FUNÇÕES Um dos principais recursos do Excel é o seu poder de executar cálculos. Alguns cálculos podem exigir fórmulas muito complexas e parte destes cálculos podem utilizar determinadas
Leia maisWindows 98 e Windows Me
Este tópico inclui: "Etapas preliminares" na página 3-32 "Etapas de instalação rápida em CD-ROM" na página 3-32 "Outros métodos de instalação" na página 3-33 "Solução de problemas do Windows 98 e Windows
Leia maisINICIANDO O POWERPOINT 2000
INICIANDO O POWERPOINT 2000 Para iniciar o PowerPoint 2000. A partir da Barra de tarefas, clique sobre o botão Iniciar/Programas/Microsoft PowerPoint. Você terá a sua disposição algumas opções, que lhe
Leia mais1 Criando um projeto. Instituto Federal do Paraná
1 Criando um projeto Com o Code::Blocks aberto, vá em File New Project... Selecione a opção Console Application, clique em Go e depois Next >. Selecione a linguagem C++ e clique em Next >. A seguir será
Leia maisFigura 1. Tela de inicialização do WEKA. 2. Será apresentada a seguinte janela, que iremos utilizar para testar as respostas do WEKA.
WEKA: Prática 1 Nesta primeira prática vamos usar o Explorer, para treinar o WEKA e depois testarmos a eficiência das respostas de acordo com a base de conhecimento informada. 1. Iniciando o WEKA Explorer
Leia maisUm 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 maisProcedimento Instalação Impressora Servidor de impressão/quota
Objetivo: Procedimento Instalação Impressora Servidor de impressão/quota Este procedimento tem como funcionalidade descrever os passos para instalação de impressora do Servidor de impressão/quota. Descrição:
Leia maisREDES NEURAIS ARTIFICIAIS: PRINCÍPIOS BÁSICOS ARTIFICIAL NEURAL NETWORKS: BASIC PRINCIPLES
REDES NEURAIS ARTIFICIAIS: PRINCÍPIOS BÁSICOS ARTIFICIAL NEURAL NETWORKS: BASIC PRINCIPLES FLECK, Leandro 1 ; TAVARES, Maria Hermínia Ferreira 2 ; EYNG, Eduardo 3 ; HELMANN, Andrieli Cristina 4 ; ANDRADE,
Leia mais