Relatório da Aula Prática sobre Redes Neurais Artificiais
|
|
- Cássio Franca Camilo
- 8 Há anos
- Visualizações:
Transcrição
1 Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de Introdução O objetivo dessa aula prática é a familiarização e a implementação dos conceitos vistos em aula teórica, tais como o modelo de neurônio artificial, o perceptron, as redes alimentadas adiante e o algoritmo de backpropagation. Para esse propósito, será feito uso do toolkit do MATLAB para a implementação de Redes Neurais Artificiais. Esse toolkit facilita o trabalho, eliminando detalhes de implementação que seriam bastante custosos se feitos em outro ambiente. 2. Funções de Ativação A primeira tarefa consiste apenas em verificar as diferentes funções de ativação utilizadas nos modelos de neurônio artificial. Para isso, o MATLAB fornece uma série de funções que são usualmente utilizadas com esse propósito. Entre as funções testadas estão a tangente hiperbólica, a função logística e a função limiar. Nas imagens abaixo, pode-se verificar a plotagem das funções na imagem 2.1: (a) Função tangente hiperbólica; (b) Função logística; (c) Função limiar; (d) Função limiar simétrica em relação a 0. (a) (b)
2 (c) (d) Imagem 2.1 Plotagem das funções de ativação. 3. Perceptron Para criar e treinar perceptrons, foram usadas as funções do matlab newp, que cria um perceptron e define o domínio das entradas, adapt, que realiza a adaptação de pesos de acordo com o algoritmo de treinamento do perceptron, e sim, que simula a propagação da entrada do perceptron. O trecho de código abaixo simula um perceptron que aprende a função OR: 1. net = newp([-2 2; -2 2],1); 2. P = [0 0; 0 1; 1 0; 1 1]'; 3. T = [ ]; 4. figure; 5. plotpv(p,t); 6. linehandle=plotpc(net.iw{1},net.b{1}); 7. hold on 8. for cont=1:6, 9. net = adapt(net,p,t); 10. linehandle=plotpc(net.iw{1},net.b{1}, linehandle); 11. drawnow; 12. pause; 13. Y = sim(net,p) 14. end; 15. hold off Nesse trecho de código, as entradas são representadas pelo vetor P e os valores desejados pelo vetor T. O algoritmo itera 6 vezes sobre o perceptron, adaptando os pesos sinápticos e então exibindo os resultados. A maior parte do código não tem importância, sendo apenas para apresentar a informação de forma gráfica. Na linha 1, criamos um novo perceptron, definindo o domínio da entrada como [-2, 2]. A linha 9 é responsável por adaptar os pesos das sinapses, e na linha 9, o vetor Y recebe o resultado da propagação das entradas no perceptron. Os resultados das últimas 4 iterações podem ser vistos na imagem 3.1, em ordem cronológica.
3 (a) (b) (c) Imagem 3.1 Resultado do treinamento iterativo do perceptron para a função OR. 4. Rede Alimentada Adiante para Aprendizado da Função XOR A fim de aprender uma função não linearmente separável, instancia-se uma rede de mais de uma camada. Essa rede, conhecida como Multi Layer Perceptron, é formada por neurônios conectados para frente apenas, isto é, não existem ciclos. Além disso, uma camada só é conectada com a próxima e com a anterior, não podendo haver pulos sobre alguma camada. No Matlab, a função newff cria uma rede com camadas. Noc aso da função XOR que desejamos implementar, colocaremos apenas duas camadas, a ouculta e a de saída. Na camada oculta, colocaremos dois neurônios e, na de saída, apenas um, correspondente à saída da função XOR. O código executado pode ser visto abaixo: 1. net = newff([-2, 2; -2, 2],[2, 1]); 2. P = [0 0; 0 1; 1 0; 1 1]'; 3. T = [ ]; 4. net = train( net, P, T ); 5. simulation = sim(net,p) 6. weights1 = net.iw{1} 7. weights2 = net.lw{2} 8. bias1 = net.b{1} 9. bias2 = net.b{2} (d)
4 Na linha 1, criamos os neurônios da rede. Como no exemplo anterior, P guarda as entradas e T a saída desejada da rede. Na linha 4, o algoritmo backpropagation é usado para ajustar os pesos da rede, que são exibidos nas próximas linhas. Considerando que a rede é formada por dois neurônios, 1 e 2, na camada oculta, e um neurônio, 3, na camada de saída (de acordo com a imagem 4.1), os valores dos pesos encontrados foram: w 10 = b 1 = w 11 = w 12 = w 20 = b 2 = w 21 = w 22 = w 30 = b 3 = w 31 = w 32 = Quando simulados, os valores encobntreados pela rede foram aproximadamente os mesmos que a função original, demonstrando que o aprendizado se deu corretamente: simulation = [ ] w 11 w 12 w 10 w 31 w 30 w 22 w 21 w 20 w 32 Imagem 4.1 Esquemático da Rede Neural que simula a função XOR. 5. Rede Alimentada Adiante para Aprendizado da Função Seno Para aprender a função seno, foi utilizada a mesma metodologia do exemplo da seção anterior, com a diferença das entradas e saídas do sistema. O mapeamento da rede é de uma dimensão de entrada para uma dimensão de saída, diferentemente do modelo anterior. O esquemático, porém, é muito semelhante ao da imagem 4.1, seguindo a mesma lógica. O código do Matlab usado para a simulação é exibido abaixo: 1. net = newff([-3, 3],[2, 1]); 2. P = [-2, -1.75, -1.5, -1.25, -1, -0.75, -0.5, -0.25, 0, 0.25, 0.5, 0.75, 1, 1.25, 1.5, 1.75, 2]; 3. T = [sin(-2), sin(-1.75), sin(-1.5), sin(-1.25), sin(-1), sin(-0.75), sin(-0.5), sin(-0.25), sin(0), sin(0.25), sin(0.5), sin(0.75), sin(1), sin(1.25), sin(1.5), sin(1.75), sin(2)]; 4. net = train( net, P, T ); 5. simulation = sim(net,p) 6. weights1 = net.iw{1} 7. weights2 = net.lw{2}
5 8. bias1 = net.b{1} 9. bias2 = net.b{2} A diferença está nos vetores de treinamento P e T, que agora modelam o comportamento discretizado da função seno. O resultado da simulação, bem como os pesos encontrados para a rede são mostrados abaixo. Uma vez que a simulação tem um resultado bastante próximo da saída desejada, consideramos de maneira subjetiva que a rede foi treinada com sucesso.: w 10 = b 1 = w 11 = w 20 = b 2 = w 21 = w 30 = b 3 = e-007 w 31 = w 32 = T = simulation =
Inteligência Artificial. Redes Neurais Artificiais
Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:
Leia maisMatlab - 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
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia mais3. 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
Leia maisRelatório 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
Leia maisRedes 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
Leia maisRedes 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
Leia maisFigura 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
Leia maisCurso 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
Leia maisRedes Neurais no MATLAB 6.1
Redes Neurais no MATLAB 6.1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando, e m-files Interface gráfica (NNTool) 1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando,,
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisAplicações Práticas com Redes Neurais Artificiais em Java
com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org
Leia 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 maisProjeto 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
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 maisUNISINOS - 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
Leia maisTÓPICOS 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
Leia maisIdentificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica
Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia
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 maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS UnilesteMG Disciplina: Introdução à Inteligência Artificial Curso: Sistemas de Informação
1 GUIA DE LABORATÓRIO RN 01 Assunto: Neurônio Binário - Perceptron Objetivo: Apresentar o funcionamento de uma rede neural binária do tipo Perceptron, bem como sua implementação no MatLab PERCEPTRON a
Leia mais3 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
Leia maisPALAVRAS-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
Leia maisRedes neurais aplicadas na identificação de variedades de soja
Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,
Leia maisPerceptron de Múltiplas Camadas e Backpropagation
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Perceptron de Múltiplas Camadas e Backpropagation Redes Neurais Artificiais Site: http://jeiks.net
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 maisRNAs, Classificação de Padrões e Motivação Geométrica. Conteúdo
RNAs, Classificação de Padrões e Motiação Geométrica Conteúdo. O problema do OU-eclusio.... Um problema mais geral de mapeamento não-linear... 0 3. Mapeamentos não-lineares genéricos... 4 4. Redes neurais
Leia maisTÍTULO: 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
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 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 mais[1] Na terceira sessão, analisamos o Perceptron de Múltiplas Camadas inclusive um problema típico como o XOR.
Deolinda M. P. Aguieiras de Lima Nilton Alves Jr. naj@cat.cbpf.br [1] Resumo Este trabalho tem como finalidade servir de primeira leitura para aqueles alunos que desejam iniciar se no estudo de Redes Neurais.
Leia maisPrevisão 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
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Inteligência Artificial Prof. Cedric Luiz de Carvalho Instituto de Informática UFG 2006 2/164 Tópicos Introdução Redes Neurais Humanas O que são Redes Neurais Artificiais Características
Leia maisA metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES
Leia maisRadar de Penetração no Solo e Meio- Ambiente
UNIVERSIDADE DE SÃO PAULO INSTITUTO DE ASTRONOMIA, GEOFÍSICA E CIÊNCIAS ATMOSFÉRICAS DEPARTAMENTO DE GEOFÍSICA Curso 3ª Idade Radar de Penetração no Solo e Meio- Ambiente Vinicius Rafael Neris dos Santos
Leia maisINF 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
Leia maisFERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS UTILIZANDO LINGUAGEM GRÁFICA
FERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS UTILIZANDO LINGUAGEM GRÁFICA Hugo da Silva Bernardes Gonçalves hugo.bernardes@gmail.com IFSP Instituto Federal de Ciência e Tecnologia
Leia maisRedes Neurais Artificiais: Funções de Base Radial
Treinamento COELCE CEFET UFC MÓDULO II 2008.1 Redes Neurais Artificiais: Funções de Base Radial Prof. Dr. Guilherme de Alencar Barreto Depto. Engenharia de Teleinformática (DETI/UFC) URL: www.deti.ufc.br/~guilherme
Leia maisPRODUÇÃO 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
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 20 - Backroagation Introdução Redes de uma camada resolvem aenas roblemas linearmente searáveis Solução: utilizar mais de uma camada Camada 1: uma
Leia maisRevista 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
Leia maisMODELAGEM 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
Leia maisRelatório 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:
Leia maisINSTITUTO DE TECNOLOGIA FACULDADE DE ENGENHARIA DA COMPUTAÇÃO SITEC2010 - Semana do Instituto de Tecnologia Aluno: Edson Adriano Maravalho Avelar Orientador: Prof. Dr. Kelvin Lopes Dias 1 Motivação Aumento
Leia maisAnálise 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)
Leia maisUma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro
Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,
Leia maisUNIDADE III Aula 6 Cálculo do CRC. Fonte: Othon M. N. Batista
UNIDADE III Aula 6 Cálculo do CRC Fonte: Othon M. N. Batista Relembrando a aula passada A verificação de redundância cíclica (CRC Cyclic Redundancy Check) consiste na técnica de detecção de erros muito
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 maisAPARECIDO NARDO JUNIOR APLICAÇÃO DE REDES NEURAIS UTILIZANDO O SOFTWARE MATLAB
FUNDAÇÃO DE ENSINO EURÍPIDES SOARES DA ROCHA CENTRO UNIVERSITÁRIO EURÍPIDES DE MARÍLIA - UNIVEM BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO APARECIDO NARDO JUNIOR APLICAÇÃO DE REDES NEURAIS UTILIZANDO O SOFTWARE
Leia maisPREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS
PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS Alexandre Pinhel Soares 1 André Pinhel Soares 2 Abstract : The temperature monitoring is a quasi-continuous and judicious task that gives a
Leia maisReconhecimento de padrões de calibração em estereofotogrametria através de redes neurais
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITÉCNICA DEPARTAMENTO DE ELETRÔNICA E DE COMPUTAÇÃO Reconhecimento de padrões de calibração em estereofotogrametria através de redes neurais Autor: Juliana
Leia mais3 Aprendizado de Máquina em Jogos Eletrônicos
3 Aprendizado de Máquina em Jogos Eletrônicos Jogos populares como xadrez e dama foram um dos pioneiros a utilizarem técnicas de Aprendizado de Máquina (AM), também denominada na literatura como Machine
Leia maisPROTÓTIPO 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
Leia maisEvolução da cooperação em populações modeladas por autômatos celulares com o uso de teoria de jogos
Geração de modelos de redes com verificação dos parâmetros topológicos Prof. Pedro Schimit - schimit@uninove.br Muitas coisas podem ser modeladas a partir de modelos de redes (ou grafos). A maneira como
Leia maisCOPPE/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,
Leia maisPalavras chave: defeitos de solda, pulso eco, redes neurais artificiais, transformada de wavelet
DETECÇÃO DE DEFEITOS EM JUNTAS SOLDADAS UTILIZANDO UM CLASSIFICADOR NEURAL ALIMENTADO POR SINAIS ULTRASSÔNICOS PRÉ- PROCESSADOS PELA TRANSFORMADA DE WAVELET Francisco G. de Paula¹, Maria Cléa S. de Albuquerque
Leia maisCAPÍTULO 3 REDES NEURAIS ARTIFICIAIS
CAPÍTULO 3 REDES NEURAIS ARTIFICIAIS Este Capítulo apresenta uma introdução às Redes Neurais Artificiais clássicas em geral, e também, uma introdução aos modelos mais usados de redes, baseadas em aprendizagem
Leia maisGERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL
GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL 1 OBJETIVOS 1. Por que hoje as empresas necessitam de programas de gestão do conhecimento e sistemas para gestão do conhecimento? 2. Quais são as aplicações
Leia maisAnais do XV ENCITA 2009, ITA, Outubro, 19-22, 2009,
Anais do 5 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 9 a 009. INTERPOLAÇÃO PARABÓLICA EM INTEGRADOR
Leia maisPrevisão 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
Leia maisInteligência Artificial Redes Neurais
Inteligência Artificial Jarley P. Nóbrega, Dr. Faculdade Nova Roma Bacharelado em Ciência da Computação jpn@jarley.com Semestre 2018.2 Jarley P. Nóbrega, Dr. (Nova Roma) Inteligência Artificial Semestre
Leia maisMEDIÇÃO 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
Leia maisSimulador 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
Leia maisDESENVOLVIMENTO DE FERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS
IFSP - INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE SÃO PAULO DESENVOLVIMENTO DE FERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS HUGO DA SILVA BERNARDES GONÇALVES São Paulo
Leia maisClassificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net
Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net Vinícius Ponte Machado 1, Bruno Vicente Alves de Lima 2, Heloína Alves Arnaldo 3, Sanches Wendyl Ibiapina Araújo 4 Departamento
Leia maisRENATO DE FREITAS LARA. Departamento de Ciência da Computação - Universidade Presidente Antônio Carlos (UNIPAC) - Barbacena - MG Brasil
RECONHECIMENTO DE CADEIAS DE NÚMEROS NAS ETIQUETAS IDENTIFICADORAS DOS BLOCOS DE AÇO, UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E REDES NEURAIS ARTIFICIAIS RENATO DE FREITAS LARA Departamento de Ciência
Leia maisANÁLISE COMPARATIVA DE FERRAMENTAS DE REDES NEURAIS ARTIFICIAIS
ANÁLISE COMPARATIVA DE FERRAMENTAS DE REDES NEURAIS ARTIFICIAIS Ivan Luis Suptitz (UNISC) ivansuptitz@gmail.com Rejane Frozza (UNISC) frozza@unisc.br Rolf Fredi Molz (UNISC) rolf@unisc.br Este artigo promove
Leia maisOTIMIZAÇÃO 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
Leia maisRedes Neurais. Mapas Auto-Organizáveis. 1. O Mapa Auto-Organizável (SOM) Prof. Paulo Martins Engel. Formação auto-organizada de mapas sensoriais
. O Mapa Auto-Organizável (SOM) Redes Neurais Mapas Auto-Organizáveis Sistema auto-organizável inspirado no córtex cerebral. Nos mapas tonotópicos do córtex, p. ex., neurônios vizinhos respondem a freqüências
Leia maisUniversidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Programa de Pós Graduação em Estatística Departamento de Estatística
Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Programa de Pós Graduação em Estatística Departamento de Estatística Modelos de Regressão Logística Clássica, Bayesiana e Redes
Leia maisClassificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais
Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais Raimundo José Macário Costa Programa de Engenharia de Sistemas, COPPE/UFRJ E-mail: macario@cos.ufrj.br Telma Silveira
Leia maisPara entender como funciona um perceptron, vamos continuar considerando um perceptron com somente duas entradas, x 1 e x 2, e uma saída s.
Análise do Perceptron Para entender como funciona um perceptron, vamos continuar considerando um perceptron com somente duas entradas, x 1 e x 2, e uma saída s. O neurônio de saída tem limiar b, de maneira
Leia maisReconhecimento de Padrões Utilizando Filtros Casados
Detecção e estimação de sinais Reconhecimento de Padrões Utilizando Filtros Casados Aline da Rocha Gesualdi Mello, José Manuel de Seixas, Márcio Portes de Albuquerque, Eugênio Suares Caner, Marcelo Portes
Leia maisNathalie Portugal Vargas
Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield
Leia maisRevisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011
Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,
Leia maisNota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007
Nota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007 1 1. Estrutura do Trabalho : De forma que se pudesse
Leia maisPREDIÇÃO DE ANOMALIAS GRAVIMETRICAS DE AR-LIVRE E BOUGUER PARA DADOS ESPARSOS
PREDIÇÃO DE ANOMALIAS GRAVIMETRICAS DE AR-LIVRE E BOUGUER PARA DADOS ESPARSOS Alfonso Tierra C. (1) Silvio Correia De Freitas () (1) Laboratorio de Geodesia. Facultad de Ingeniería Geográfica y del Medio
Leia maisAula 5 - Classificação
AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente
Leia maisCONSTRUÇÃO DE DIAGRAMAS DE FADIGA DE VIDA CONSTANTE UTILIZANDO REDES NEURAIS ARTIFICIAIS
CONSTRUÇÃO DE DIAGRAMAS DE FADIGA DE VIDA CONSTANTE UTILIZANDO REDES NEURAIS ARTIFICIAIS RAIMUNDO CARLOS SILVERIO FREIRE JÚNIOR UFRN CCET Programa de Doutorado em Engenharia e Ciência dos Materiais E-mail:
Leia maisIntegrais Duplas e Coordenadas Polares. 3.1 Coordenadas Polares: Revisão
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo Terra Cunha Integrais Duplas e Coordenadas Polares Nas primeiras aulas discutimos integrais duplas em algumas regiões bem adaptadas às coordenadas
Leia maisUniversidade Federal do Rio de Janeiro. Escola Politécnica. Departamento de Eletrônica e de Computação
Universidade Federal do Rio de Janeiro Escola Politécnica Departamento de Eletrônica e de Computação Reconhecimento de Caracteres de Placa Veicular Usando Redes Neurais Autor: Orientador: Allan Almeida
Leia maisEstudos 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--
Leia maisEstacionamento de Caminhão com Lógica Fuzzy. Daniel Ricardo dos Santos Diogo de Campos Maurício Oliveira Haensch
Relatório de Implementação: Estacionamento de Caminhão com Lógica Fuzzy Daniel Ricardo dos Santos Diogo de Campos Maurício Oliveira Haensch 2 de junho de 2010 Descrição O trabalho consiste em implementar
Leia maisUNIVERSIDADE ESTADUAL DA PARAÍBA CAMPUS I CAMPINA GRANDE CENTRO CIÊNCIA E TECNOLOGIA CURSO DE LICENCIATURA EM COMPUTAÇÃO
UNIVERSIDADE ESTADUAL DA PARAÍBA CAMPUS I CAMPINA GRANDE CENTRO CIÊNCIA E TECNOLOGIA CURSO DE LICENCIATURA EM COMPUTAÇÃO DIELLY DE OLIVEIRA VIANA Análise da Influência da Iluminação e da Oclusão na Classificação
Leia maisCOMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS
COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS Leonardo Meneguzzi 1 ; Marcelo Massoco Cendron 2 ; Manassés Ribeiro 3 INTRODUÇÃO
Leia maisAnais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
ESTUDO DE LINEARIZAÇÃO E COMPENSAÇÃO DE AMBIENTE EM SENSORES UTILIZANDO INTELIGÊNCIA ARTIFICIAL Paulo Roberto Ponzoni de Abreu, Luís H. C. Ferreira, Leonardo B. Zoccal Universidade Federal de Itajubá Instituto
Leia maisUMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS
UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS Alisson S. C. Alencar, Ajalmar R. da Rocha Neto Departamento de Computação, Instituto Federal do Ceará (IFCE). Programa
Leia maisFÁBIO MARITAN PEREIRA REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO NO MERCADO ACIONÁRIO BRASILEIRO
FÁBIO MARITAN PEREIRA REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO NO MERCADO ACIONÁRIO BRASILEIRO LAVRAS MG 2014 FÁBIO MARITAN PEREIRA REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO NO MERCADO ACIONÁRIO BRASILEIRO
Leia maisGERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL
Capítulo 10 GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL 10.1 2003 by Prentice Hall OBJETIVOS Por que hoje as empresas necessitam de programas de gestão do conhecimento e sistemas para gestão do conhecimento?
Leia maisSoftware Livre e Engenharia Elétrica
Software Livre e Engenharia Elétrica Diego Cézar Silva de Assunção Henrique Ribeiro Soares José Rubens Guimarães Vilaça Lima Pedro Dias de Oliveira Carvalho Rafael Viegas de Carvalho Carlos Gomes O software
Leia maisPROTÓTIPO 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
Leia maisClassificador de cédulas de Real: Duas abordagens, linear e não-linear
Classificador de cédulas de Real: Duas abordagens, linear e não-linear Lais C. R. S. Lopes 1 1 Instituto de Informática Universidade Federal de Goiás (UFG) Abstract. Real notes classification problem is
Leia maisESTUDO DE PROTEÇÃO, MEDIÇÃO E CONTROLE EM SISTEMAS DE POTÊNCIA
GPC/001 21 a 26 de Outubro de 2001 Campinas - São Paulo - Brasil GRUPO V ESTUDO DE PROTEÇÃO, MEDIÇÃO E CONTROLE EM SISTEMAS DE POTÊNCIA UMA ABORDAGEM BASEADA EM REDES NEURAIS ARTIFICIAIS PARA IDENTIFICAÇÃO
Leia maisRede 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
Leia maisReconhecimento de Faces Utilizando Redes Neurais Autoassociativas
POLITÉCNICA DE Reconhecimento de Faces Utilizando Redes Neurais Autoassociativas Trabalho de Conclusão de Curso Engenharia da Computação Sérgio Guerra Prazeres Orientador: Bruno José Torres Fernandes SÉRGIO
Leia maisDESENVOLVIMENTO WEB DENTRO DOS PARADIGMAS DO HTML5 E CSS3
DESENVOLVIMENTO WEB DENTRO DOS PARADIGMAS DO HTML5 E CSS3 Eduardo Laguna Rubai, Tiago Piperno Bonetti Universidade Paranaense (Unipar) Paranavaí PR- Brasil eduardorubay@gmail.com, bonetti@unipar.br Resumo.
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.2. Perceptron 2.2.1. Introdução 2.2.2. Funcionamento do perceptron
Leia maisSIS 0011 Sistema de Visão com Perceptron Lento
SIS 0011 Sistema de Visão com Perceptron Lento Guia Rápido de estratégia, configuração e operação Robôs Investidores Sumário 1) Sobre o Trajecta Open... 4 2) Estratégia: Sistema de Visão com Perceptron
Leia maisUNIVERSIDADE FEDERAL DE OURO PRETO ESCOLA DE MINAS COLEGIADO DO CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO - CECAU BRUNO MENDES DE TOLEDO CARGAS
UNIVERSIDADE FEDERAL DE OURO PRETO ESCOLA DE MINAS COLEGIADO DO CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO - CECAU BRUNO MENDES DE TOLEDO CARGAS CONTROLE DE NÍVEL DE UM SISTEMA DE TANQUES ACOPLADOS UTILIZANDO
Leia mais5 Extraindo listas de produtos em sites de comércio eletrônico
5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola
Leia mais