Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial
|
|
|
- Adelina Alencastre Salgado
- 8 Há anos
- Visualizações:
Transcrição
1 Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento de Computação Universidade Estadual de Londrina 23 de outubro de 2008 André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
2 Introdução Redes Multilayer Perceptron (MLP) Aprendizagem da Rede MLP Algoritmo backpropagation Número de ciclos de treinamento Validação Cruzada André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
3 Motivação Rede MLP é a rede mais largamente utilizada [Basheer and Hajmeer, 2000] Aprendizagem é um dos processos mais importantes de uma rede MLP [Haykin, 1999] Tempo dispendido para determinação do número ideal de ciclos de treinamento Um número alto de ciclos de treinamento é fixado Validação cruzada do tipo Holdout André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
4 Objetivos Determinar automaticamente o número de ciclos de treinamento Para isso utilizou-se: Validação cruzada Regressão linear Evitar sub-treinamento da rede Evitar super-treinamento da rede (overtraining) André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
5 Validação cruzada Fundamentação Teórica Validação cruzada É uma técnica estatística utilizada para estimar com maior precisão a acurácia de um classificador [Kohavi, 1995]. Conceito básico é dividir o conjunto de dados em subconjuntos menores, e posteriormente utilizá-los para treinamento e teste. Vários tipos de validação cruzada: Holdout K -fold Leave-one-out André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
6 Regressão Linear Fundamentação Teórica Regressão linear É um modelo estatístico que analisa a dependência de uma variável em relação a uma ou mais variáveis, objetivando estimar e/ou prever a média da população [Gurajati, 2000]. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
![objetivando estimar e/ou prever a média da população [Gurajati, 2000].](/docs-images/49/12335313/images/page_6.jpg "André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de")
7 Regressão Linear Fundamentação Teórica Equação que expressa o modelo é dada por: Y = α + βx + ɛ (1) α interceptação no eixo Y; β inclinação da linha de regressão; ɛ perturbação estocástica. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
8 Modelo Proposto Materiais e Métodos Utiliza regressão linear simples de duas variáveis: Número de épocas Erro quadrado médio Núcleo do método é baseado na inclinação da reta (β). β Comportamento Significado do erro - Erro diminuindo Em processo de aprendizagem + Erro aumentando Overtraining 0 Erro constante Rede treinada André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
9 Algumas definições: Materiais e Métodos Modelo Proposto Janela de Análise Número de pontos (erros) utilizados para realizar a regressão linear. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
10 Materiais e Métodos Modelo Proposto Faixa de Convergência Faixa de Convergência (µ) Utilizada para considerar como zero uma faixa de erro, devido a oscilação do erro na fase final de convergência. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
11 Materiais e Métodos Considerações sobre o método Modelo Proposto Estipular um número máximo de ciclos; Obtêm-se os erros de teste pela validação cruzada; Realizar uma regressão linear sobre os erros; Analisar β em relação ao comportamento da rede. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
12 Simulações Resultados e Discussão Rede MLP aplicada em um problema de classificação entre indivíduos normais ou com DPOC (Doença Pulmonar Obstrutiva Crônica) Foram consideradas cinco medidas fisiológicas distintas: Capacidade Vital Forçada (CVF); Volume Expiratório Forçado no Primeiro Segundo (VEF1); Pico de Fluxo Expiratório (PFE); Fluxo Expiratório Forçado Médio (FEF25-75%) e Ventilação Voluntária Máxima (VVM) André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
13 Simulações Resultados e Discussão Dados obtidos do Lab. de Fisioterapia Pulmonar da Universidade Estadual de Londrina Dados coletados de 222 pacientes: 142 normais 80 com DPOC já diagnosticada André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
14 Resultados e Discussão Simulações Número máximo de ciclos de treinamento: 100 Parâmetros da Rede MLP: Taxa de Aprendizagem: 0.5 Constante de Momento: 0.9 Número de neurônios ocultos: 7 Computador Celeron D 2.3 GHz Plataforma Slackware Linux 12.0 André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
15 Resultados Resultados e Discussão Tempo de processamento: 63,549 segundos. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
16 Resultados Resultados e Discussão Realizados testes com diversos valores de tamanho de janela e faixa de convergência. Análise do tamanho da Janela de Análise. Tamanho Número de Tempo de execução da Janela épocas obtido (segundos) 3 6 0, , , ,03 *Valor de faixa de convergência fixado em André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
17 Resultados e Discussão Análise da Faixa de Convergência Faixa de Número de épocas Tempo de execução Convergência obtido (segundos) , , , ,126 *Valor de tamanho de janela fixado em 5. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
18 Resultados e Discussão Considerações sobre resultados Tamanho da janela de análise entre 5 e 10 é suficiente; Faixa de Convergência entre 10 4 e 10 3 são bons valores; Faixa de convergência muito pequena, método muito sensível; Muito grande, método perde sensibilidade; André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
19 Conclusões Conclusões Método obteve precisamente números ideais de ciclos de treinamento; Método trabalha sobre a curva de aprendizagem; André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
20 Trabalhos Futuros Trabalhos Futuros Estender o método a não necessidade de informar o número máximo de ciclos de treinamento. André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
21 Referências Basheer, I. A. and Hajmeer, M. (2000). Artificial neural networks: fundamentals, computing, design, and application. Journal of Microbiological Methods, 43:3 31. Gurajati, D. N. (2000). Econometria Básica. Makron Books, São Paulo. Haykin, S. (1999). Redes Neurais, Princípios e prática. Bookman, 2 edition. Kohavi, R. (1995). A study a cross validation a bootstrap for accuracy estimation and a model selection. In International Joint Conference on Artificial Intelligence (IJCAI). André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
22 André Ricardo Gonçalves www2.dc.uel.br/ argoncalves André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto 23 de outubro de / 22
Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial
Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves 1, Maria Angélica de Oliveira Camargo Brunetto 2 1,2 Laboratório de Pesquisa
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
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 -
PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
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
ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL
ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL Macêdo, M. I. F 1, Rosa, J. L. A. 2, Gonçalves, F. 2, Boente, A. N. P. 2 1 Laboratório de Tecnologia de Materiais,
3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS
Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais
Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José
Classificação de QoS em Conteúdo Multimídia para Rede VPN utilizando Rede Neural Multilayer Perceptron
Classificação de QoS em Conteúdo Multimídia para Rede VPN utilizando Rede Neural Multilayer Perceptron Paula Letícia S. Lima 1, Helvio Seabra V. Filho 1, Rian Sérgio A. Lima 1, Ananias Pereira Neto 1 1
3. REDES DE CAMADA ÚNICA
3. REDES DE CAMADA ÚNICA Perceptron Forma mais simples de RN Utilizado para classificação de padrões (linearmente separáveis) Consiste em um único neurônio, com pesos sinápticos ajustáveis e bias 3.1 Funções
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:
Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais
Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade
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
Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Curva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado
Redes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais
UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR
Aprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda
Projeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
COPPE/UFRJ. CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba
COPPE/UFRJ CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba PROGRAMA PARA DEMONSTRAÇÃO DO PROCESSO DE APRENDIZADO DOS NEURÔNIOS DA CAMADA INTERMEDIÁRIA DE UMA REDE NEURAL FEEDFORWARD DE 2 CAMADAS,
Classificação - avaliação de resultados - 1. Mineração de Dados 2013
Classificação - avaliação de resultados - 1 Mineração de Dados 2013 Luís Rato (Capítulo 4 do livro Introduction to Data Mining ) Universidade de Évora, Mineração de dados / Data Mining 1 Desempenho Desempenho
Palavras-chave: Mortalidade Infantil, Análise Multivariada, Redes Neurais.
UMA ANÁLISE COMPARATIVA DE MODELOS PARA CLASSIFICAÇÃO E PREVISÃO DE SOBREVIVÊNCIA OU ÓBITO DE CRIANÇAS NASCIDAS NO RIO DE JANEIRO EM 2006 NO PRIMEIRO ANO DE VIDA Mariana Pereira Nunes Escola Nacional de
Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Relatório Iniciação Científica
Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:
Inteligência Artificial. Redes Neurais Artificiais
Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:
PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO
PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO HÉLITON PANDORFI 1 IRAN JOSÉ OLIVEIRA DA SILVA 2 JEFFERSON
IN0997 - Redes Neurais
IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa
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
Simulador de Redes Neurais Multiplataforma
Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC
Redes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE
Redes Neurais Construtivas Germano Crispim Vasconcelos Centro de Informática - UFPE Motivações Redes Feedforward têm sido bastante utilizadas em aplicações de Reconhecimento de Padrões Problemas apresentados
BC-0005 Bases Computacionais da Ciência. Modelagem e simulação
BC-0005 Bases Computacionais da Ciência Aula 8 Modelagem e simulação Santo André, julho de 2010 Roteiro da Aula Modelagem O que é um modelo? Tipos de modelos Simulação O que é? Como pode ser feita? Exercício:
5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS
5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS TÍTULO DO TRABALHO: REDES NEURAIS APLICADAS EM INDÚSTRIAS PETROQUÍMICAS DE FABRICAÇÃO DE FIBRAS DE POLIÉSTER. AUTORES: Lívia Maciel
1. Introdução 2. Séries Temporais
1. Introdução Predição de valores de ações é uma tarefa desafiadora na área de predição de séries temporais financeiras, devido à grande quantidade de variáveis que envolvem essas predições. No passado,
MÓDULO DE VALIDAÇÃO CRUZADA PARA TREINAMENTO DE REDES NEURAIS ARTIFICIAIS COM ALGORITMOS BACKPROPAGATION E RESILIENT PROPAGATION
CDD:006.3 MÓDULO DE VALIDAÇÃO CRUZADA PARA TREINAMENTO DE REDES NEURAIS ARTIFICIAIS COM ALGORITMOS BACKPROPAGATION E RESILIENT PROPAGATION CROSS VALIDATION MODULE FOR THE TRAINING OF ARTIFICIAL NEURAL
MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE
Seminário Regional OSIsoft do Brasil 2010 São Paulo, Brasil MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE 28 de Outubro de 2010 André Paulo Ferreira Machado PETROBRAS Empowering
Estatística e Probabilidade
Correlação Estatística e Probabilidade Uma correlação é uma relação entre duas variáveis. Os dados podem ser representados por pares ordenados (x,y), onde x é a variável independente ou variável explanatória
QUALIDADE EM PFP INTERATIVA INTERATIVA. 14 de outubro: dia da espirometria
QUALIDADE EM PFP 14 de outubro: dia da espirometria INTERATIVA Você será náufrago em uma ilha remota. Qual equipamento de função pulmonar você levaria? a)espirômetro b)pletismógrafo c)analisador de Difusão
A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES
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
Redes Neurais Artificiais na Engenharia Nuclear 2 Aula-1 Ano: 2005
Redes Neurais Artificiais na Engenharia Nuclear 1 - Apresentação do Professor: dados, lista de E-mail s, etc. - Apresentação da Turma: Estatística sobre origem dos alunos para adaptação do curso - Apresentação
MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES
MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;
Estudo de Caso no Mercado Imobiliário de Castelo Branco
23 Estudo de Caso no Mercado Imobiliário de Castelo Branco Maria Cristina Canavarro Teixeira Escola Superior Agrária, Quinta da Sra. de Mércules, 6001-909 Castelo Branco, Portugal ccanavarro@ipcb.pt Sumário
Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais
Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais Susana Dias (Investigadora/Colaboradora da Universidade de Évora e Docente do Instituto Politécnico de Elvas)
Google Earth Search Engine: Classificação de imagens Aéreas
Google Earth Search Engine: Classificação de imagens Aéreas Susana Costa Orientada por: Prof. Doutor Hugo Proença Departamento de Informática Universidade da Beira Interior Covilhã, Portugal 18 de julho
Aplicação de Redes Neurais Artificiais na Caracterização de Tambores de Rejeito Radioativo
Aplicação de Redes Neurais Artificiais na Caracterização de Tambores de Rejeito Radioativo Ademar José Potiens Júnior 1, Goro Hiromoto 1 1 Av. Prof. Lineu Prestes, 2242 05508-000, Brasil apotiens@ipen.br,
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
Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal
Anais do CNMAC v.2 ISSN 1984-820X Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Juliana Aparecida Anochi Instituto Nacional
Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas
INEB- PSI Technical Report 2007-2 Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas Alexandra Oliveira aao@fe.up.pt Professor Joaquim Marques de Sá December
Este capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico
Redes 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
SISTEMA AUTOMÁTICO DE PULVERIZAÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS. PERNOMIAN, Viviane Araujo. DUARTE, Fernando Vieira
REVISTA CIENTÍFICA ELETRÔNICA DE AGRONOMIA ISSN 1677-0293 PERIODICIDADE SEMESTRAL ANO III EDIÇÃO NÚMERO 5 JUNHO DE 2004 -------------------------------------------------------------------------------------------------------------------------------
FUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO
FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:
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.
Modelos 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
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
PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS
Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br
Avaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Predição da Resposta ao Tramento Anti- Retroviral de Pacientes portadores do vírus HIV-1 através de Redes Neurais Artificiais
Universidade Federal de Pernambuco UFPE Centro de Informática CIn Pós-graduação em Ciência da Computação Princípios e Técnicas da Análise Estatística Experimental Predição da Resposta ao Tramento Anti-
Modelagem e Simulação
AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.
PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER
PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER Adriano Cassaniga Petry Prof. Roosevelt dos Santos Junior - Orientador ROTEIRO Introdução Objetivos Fundamentação Teórica Requisitos
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
MODELAGEM DO CUSTO MARGINAL DA ENERGIA ELÉTRICA EM FUNÇÃO DO NÍVEL DE ARMAZENAMENTO NOS RESERVATÓRIOS
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GOP - 17 16 a 21 Outubro de 2005 Curitiba - Paraná GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP MODELAGEM DO
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Curso de Redes Neurais utilizando o MATLAB
Curso de Redes Neurais utilizando o MATLAB Victoria Yukie Matsunaga Belém-Pará-Brasil 2012 Esta apostila tem como principal objetivo fornecer um material de auxílio ao Curso de Redes Neurais utilizando
REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR
REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR THIAGO RAMOS TRIGO 1 PAULO CESAR DA SILVA BATISTA JÚNIOR 1 FERNANDO BUARQUE DE LIMA NETO 2 RESUMO Este artigo apresenta um maneira de implementar
computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Renato Maia Silva. Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP. Dissertação de Mestrado
Renato Maia Silva Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo
REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR RESUMO
REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR THIAGO RAMOS TRIGO 1 PAULO CESAR DA SILVA BATISTA JÚNIOR 1 FERNANDO BUARQUE DE LIMA NETO 2 RESUMO Este artigo apresenta um maneira de implementar
Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz
Laboratório de Dependabilidade e Segurança Lades Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz RENASIC/CD-CIBER CD Ciber CTC - Comitê Técnico Científico RENASIC CD Comitê Diretor ASTECA VIRTUS
4 Estratégias para Implementação de Agentes
Estratégias para Implementação de Agentes 40 4 Estratégias para Implementação de Agentes As principais dúvidas do investidor humano nos dias de hoje são: quando comprar ações, quando vendê-las, quanto
ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL
ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL Aluno: João Henrique Carneiro Orientador: Carlos Frederico Palmeira Introdução Foi feito um estudo sobre dinâmica populacional a fim de buscar
Rede MLP: Perceptron de Múltiplas Camadas
Rede MLP: Perceptron de Múltiplas Camadas Conteúdo. Neurônio artificial.... Eemplos mais usuais de funções de ativação... 3 3. Produto interno e projeção... 5 4. Função de epansão ortogonal... 7 5. Redes
Prof. Reinaldo Castro Souza (PhD) Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) reinaldo@ele.puc-rio.br
Prof. Reinaldo Castro Souza (PhD) Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) reinaldo@ele.puc-rio.br A geração eólica depende diretamente da velocidade do vento. A velocidade do vento
OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS
OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS Trabalho de Conclusão de Curso Engenharia da Computação Adélia Carolina de Andrade Barros Orientador: Prof. Dr. Adriano Lorena Inácio de Oliveira
Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP
Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the
Plataforma Analítica para Inteligência de Negócios
Plataforma Analítica para Inteligência de Negócios Carlos André Reis Pinheiro, D.Sc. Gerente de Desenho de Aplicações Predição de abandono Rede Neural Artificial (MLP) para predição de abandono Precisão
Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes
1 Estudos para ização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes D. S. Gastaldello, A. N. Souza, H. L. M. do Amaral, M. G. Zago e C. C. O. Ramos Resumo--
IC 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
Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA Projeto de Redes Neurais Projeto de Redes Neurais Baseado apenas em dados Exemplos para treinar uma rede devem ser compostos por
Ajuste de modelos de redes neurais artificiais na precipitação pluviométrica mensal
Ajuste de modelos de redes neurais artificiais na precipitação pluviométrica mensal 1 Introdução Antonio Sergio Ferraudo 1 Guilherme Moraes Ferraudo 2 Este trabalho apresenta estudos de série de precipitação
Estimativa de Esforço em Projetos de Software com Extreme Learning Machines (ELM)
Estimativa de Esforço em Projetos de Software com Extreme Learning Machines (ELM) Trabalho de Conclusão de Curso Engenharia da Computação João Fausto Lorenzato de Oliveira Orientador: Prof. Sérgio Castelo
DAS6607 - Inteligência Artificial Aplicada à Controle de Processos e Automação Industrial
DAS6607 - Inteligência Artificial Aplicada à Controle de Processos e Automação Industrial Aluno: André Faria Ruaro Professores: Jomi F. Hubner e Ricardo J. Rabelo 29/11/2013 1. Introdução e Motivação 2.
Conselhos para a aplicação de aprendizagem de máquinas
Conselhos para a aplicação de aprendizagem de máquinas O que fazer em seguida? Suponha que você tenha implementado regressão linear regularizada para a previsão do preço de moradias: No entanto, ao testar
Classificação de Imagens Tomográficas de Ciência dos Solos Utilizando Redes Neurais e Combinação de Classificadores
Classificação de Imagens Tomográficas de Ciência dos Solos Utilizando Redes Neurais e Combinação de Classificadores Fabricio Aparecido Breve Prof. Dr. Nelson Delfino d Ávila Mascarenhas Apresentação Objetivos
Análise de séries temporais aplicada aos valores do salário mínimo necessário do Brasil
Análise de séries temporais aplicada aos valores do salário mínimo necessário do Brasil Talita Tanaka Fernandes Jacqueline Meneguim Manoel Ivanildo Silvestre Bezerra 3 Luiz Ricardo Nakamura Introdução
REDES NEURAIS PARA IDENTIFICAÇÃO DE PADRÕES NA DETECÇÃO DE QUEIMADAS NA FLORESTA AMAZÔNICA
REDES NEURAIS PARA IDENTIFICAÇÃO DE PADRÕES NA DETECÇÃO DE QUEIMADAS NA FLORESTA AMAZÔNICA Luiz Pinheiro Duarte Neto 1, Lauro Yasumasa Nakayama 2, Juliano João Bazzo 3 1 Instituto Nacional de Pesquisas
Modelagem e Simulação
AULA 8 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo. Tipos
MIEC MESTRADO INTEGRADO EM ENGENHARIA CIVIL 2014/2015 PROPOSTA DE TEMAS PARA DISSERTAÇÃO RAMO DE ESPECIALIZAÇÃO/ ÁREA CIENTÍFICA: ESTRUTURAS
1 EST1 AVALIAÇÃO DA CAPACIDADE DE DEFORMAÇÃO DE ELEMENTOS TUBULARES EM AÇO José Miguel Castro CO Um dos passos essenciais no processo de avaliação da segurança sísmica de estruturas consiste na comparação
dissertação. 2 Credibilidade total, em linhas gerais, seria a capacidade de representar o comportamento
13 1 Introdução Esta dissertação é o estudo de um problema estatístico de classificação que diz respeito à precificação de seguros de automóveis. Devido às particularidades deste ramo, a formação dos contratos,
logica2309 UMA ABORDAGEM ALTERNATIVA DE BEHAVIORAL SCORING USANDO MODELAGEM HÍBRIDA DE DOIS ESTÁGIOS COM REGRESSÃO LOGÍSTICA E REDES NEURAIS.
logica2309 UMA ABORDAGEM ALTERNATIVA DE BEHAVIORAL SCORING USANDO MODELAGEM HÍBRIDA DE DOIS ESTÁGIOS COM REGRESSÃO LOGÍSTICA E REDES NEURAIS. 2012 Sumário Resumo... 2 1. Introdução... 2 2. Fundamentação
ANÁLISE DE CRÉDITO AO CONSUMIDOR UTILIZANDO REDES NEURAIS
ANÁLISE DE CRÉDITO AO CONSUMIDOR UTILIZANDO REDES NEURAIS Alexandre Leme Sanches (FATEC BP ) alex_sanches68@hotmail.com Amanda Zeni (FATEC BP ) zeniamanda_007@hotmail.com Redes Neurais Artificiais são
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que
SVM Support Vector Machine
SVM Support Vector Machine Ø Introduction Ø Application to Indoor Localization (MLP x LVQ x SVM) Laboratório de Automação e Robótica - A. Bauchspiess Soft Computing - Neural Networks and Fuzzy Logic SVM
Análise de Técnicas de Mineração de Dados
Análise de Técnicas de Mineração de Dados Taylor Pablo Evaristo Silva 1, Lívia Márcia Silva 1 1 Universidade Presidente Antônio Carlos - Departamento de Ciência da Computação (UNIPAC) Rua Palma Bageto
Análise de Tendências de Mercado por Redes Neurais Artificiais
Análise de Tendências de Mercado por Redes Neurais Artificiais Carlos E. Thomaz 1 e Marley M.B.R. Vellasco 2 1 Departamento de Engenharia Elétrica (IAAA), FEI, São Paulo, Brasil 2 Departamento de Engenharia
Um IDS utilizando SNMP e Lógica Difusa
Grupo de Trabalho em Segurança GTS2007 Um IDS utilizando SNMP e Lógica Difusa Apresentador: Émerson Virti Autores: Émerson Virti, Liane Tarouco Índice 1. Motivação 2. Conceitos 3. IDS Proposto 4. Testes
RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS
Mecánica Computacional Vol XXIX, págs 9169-9175 (artículo completo) Eduardo Dvorkin, Marcela Goldschmit, Mario Storti (Eds) Buenos Aires, Argentina, 15-18 Noviembre 2010 RECONHECIMENTO DE ACORDES MUSICAIS: