Rede de Hopfield. Rede de camada única com realimentação x n x 2 x 1 w 1n. w n2. w n1 w 2n w 21. w 12

Documentos relacionados
Capítulo 8. Redes de Hopfield

ACOPLAMENTO MAGNÉTICO DE CIRCUITOS

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL

INF 1771 Inteligência Artificial

Introdução. Configuração Inversora. Amplificadores Operacionais. Configuração Não-Inversora. Amplificadores de Diferença

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

Redes Neurais (Inteligência Artificial)

3 Redes Neurais Auto-Associativas

3 Algoritmos propostos

Física I LEC+LET Guias de Laboratório 2ª Parte

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

CEL033 Circuitos Lineares I

Primeiras Redes Neurais. Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática

Echo State Networks. Universidade de São Paulo São Carlos / SP. Instituto de Ciências Matemáticas e de Computação

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

Aprendizagem de Máquina

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Propriedades cognitivas em redes de neurônios não-monótonos

Robótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016

[T ] Subespaços Invariantes

Prof. Lorí Viali, Dr.

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Prof. Lorí Viali, Dr.

CEL033 Circuitos Lineares I

2 Análise de Campos Modais em Guias de Onda Arbitrários

Classificação de Padrões

Parte 1: Exercícios Teóricos

Capítulo 9 Rotação de corpos rígidos

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Máquinas Estocásticas e suas Aproximações Baseadas na Mecânica Estatística

2 Lógica Fuzzy Introdução

ALGORITMOS PARA DADOS AUMENTADOS

Resolução das Questões Objetivas

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

INCORPORAÇÃO DE RECORRÊNCIA EM ESTRUTURAS NEURAIS NEBULOSAS

2 Principio do Trabalho Virtual (PTV)

3 Elementos de modelagem para o problema de controle de potência

A de nição do operador derivada, em coordenadas cartesianas ortogonais é dada por. + r i^e i i ; i =

do Semi-Árido - UFERSA

Função de Incidência: uma possível união da Teoria de Metapopulação com a Ecologia da Paisagem?

Redes de Petri. Definições:

HIDROLOGIA E RECURSOS HÍDRICOS. Avaliação do escoamento anual médio a partir de elementos climáticos P = H + E + SP + S+ SU +EX - R

IDENTIFICAÇÃO DOS PARÂMETROS MODAIS MODELOS ARMAV E ARV

4.1 Modelagem dos Resultados Considerando Sazonalização

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Leis de conservação em forma integral

Trabalho e Energia. Curso de Física Básica - Mecânica J.R. Kaschny (2005)

4 Autovetores e autovalores de um operador hermiteano

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Física Geral 3001 Cap 4 O Potencial Elétrico

A ; (1) A z. A A y

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico

4 Discretização e Linearização

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos

Algoritmos de Codificação Simétricos

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

Cálculo Numérico BCC760 Interpolação Polinomial

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t

ÍNDICE DE IGUALDADE E APRENDIZADO EM REDES NEUROFUZZY RECORRENTES EM PREVISÃO DE SÉRIES MACROECONÔMICAS

Realimentação negativa em ampliadores

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Método dos Elementos Finitos Aplicado a Peças Esbeltas Sujeitas à Carregamento Axial

Notas de Aula de Probabilidade A

ALGORITMOS PARA RECONHECIMENTO DE PADRÕES

Critério de Equilíbrio

CAPITULO II - FORMULAÇAO MATEMATICA

Física do Calor Licenciatura: 6ª Aula (19/08/2015)

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas

2 Aproximação por curvas impĺıcitas e partição da unidade

NOTAS DE AULA DA DISCIPLINA CE076

Transistor Bipolar de Junção TBJ Cap. 4 Sedra/Smith Cap. 8 Boylestad Cap. 10 Malvino

Redes Neurais. O Modelo ART. Prof. Paulo Martins Engel. 1. A Teoria da Ressonância Adaptativa. Características críticas. A Arquitetura ART1

REDE NEURAL ARTMAP NEBULOSA PARA ANÁLISE DE ESTABILIDADE TRANSITÓRIA DE SISTEMAS DE ENERGIA ELÉTRICA

Máquinas de Vetores de Suporte Supprot Vector Machine. Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

Cap.3 - Redes Neuronais Introdução e MLP V 3.0, V.Lobo, EN/ISEGI, 2005

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas

Aprendizagem de Máquina

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

REGRESSÃO NÃO LINEAR 27/06/2017

Fluido Perfeito/Ideal

Interpolação Segmentada

Termodinâmica dos Sistemas Abertos Sistemas heterogêneos: Potencial Químico. Grandezas Molares.

4 Análise da Estabilidade - Modelo de Cabos

Introdução. Introdução. Introdução I - PERCEPTRON. Modelos de Neurônios LABIC. Neurônio:

2 Teoria da Informação no Sistema MIMO

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento.

4 Sistema Híbrido de Otimização de Estratégia de Controle de Válvulas de Poços Inteligentes sob Incertezas

Aprendizagem de Máquina

7 Tratamento dos Dados

AULA Espaços Vectoriais Estruturas Algébricas.

Transcrição:

Rede de Hopfeld Rede de camada únca com realmentação x n x 2 x n n2 2 n 2n 2 - b - - n b 2 b n 2 Memóra (auto-assocata) assocata (terata) ou memóra de conteúdo endereçáel não lnear Cada undade lga com todos os outros Rede de Hopfeld Memóra assocata ou memóra de conteúdo endereçáel não lnear Função: recuperar um padrão armazenado como resposta a aprentação de uma ersão ncompleta ou rudosa deste padrão

Rede de Hopfeld Faz um mapeamento de uma memóra fundamental em um ponto fxo estáel de um sstema dnâmco (cuo estado muda com o tempo). x µ s µ codfcação x µ s µ Espaço de Memóras Fundamentas decodfcação Espaço de Vetores Armazenados Rede de Hopfeld Sstema dnâmco cuo espaço de estados contém um conunto de pontos fxos (estáes) que reprentam as memóras fundamentas do sstema. 2

Rede de Hopfeld Se a rede recebe um padrão contendo nformações parcas sufcentes sobre uma das memóras fundamentas, tal padrão pode r consderado como um ponto ncal no espaço de fa e, este ester próxmo de um ponto estáel que reprenta a memóra que está ndo recuperada, o sstema dee eolur no tempo e conergr para aquele estado de memóra. A rede de Hopfeld possu a propredade emergente que auda na recuperação de nformação Rede de Hopfeld Usa o modelo de neurôno de McCulloch e Ptts Cada neurôno tem dos estados determnados pelo níel de atação nterna. Ato (on) => = Inato (off) => = - Campo local nduzdo (ou níel de atdade nterna do neurôno) [ x x ] T x =... 2 x n n = = x b 3

Rede de Hopfeld Modfcação do estado do neurôno (modfcação determnístca) + = > 0 < 0 Obs.: Se = 0 A ação pode r arbtrára! Estratéga Hakn, 2000: O neurôno permanece com o estado atual! Operação da Rede de Hopfeld Fa de Aprendzagem Supondo um conunto de etores de dmensão N (bnáros), reprentando memóras fundamentas { x p p =,2,..., M } Regra de aprendzagem de Hebb (produto): M = x N p= x e = 0, Smplcdade matemátca 4

Operação da Rede de Hopfeld = 0, não há auto-realmentação Matrcalmente: W M = x N p= p x T p MI Saída de cada neurôno realmenta todos os outros neurônos Não há auto-realmentação A matrz de pesos é smétrca W T = W Operação da Rede de Hopfeld Fa de Recuperação Aprenta- um etor xteste Regra dnâmca: Um neurôno (escolhdo aleatoramente) da rede erfca u níel de atdade nterna (ou campo local nduzdo) e muda u estado. (Procedmento assíncrono!) O procedmento contnua até não haer mas mudança de estado no etor, ou a, para um etor de entrada a rede produz uma saída narante no tempo, satsfazendo a condção de establdade. 5

Operação da Rede de Hopfeld Fa de Recuperação Condção de establdade ou condção de alnhamento: = snal( W b ) estado estáel ou ponto fxo do espaço de estados do sstema A rede de Hopfeld mpre conerge para um estado estáel, mpre que a recuperação de nformação for assíncrona! Operação da Rede de Hopfeld Fa de Recuperação Condção de establdade ou condção de alnhamento: Se o etor de entrada é desconhecdo, os etores de atação produzdos na medda que a rede tera conergem para um etor que não é um das memóras fundamentas, ou a, a rede produz um etor espúro estáel 6

Operação da Rede de Hopfeld Fa de Recuperação A energa em uma rede de Hopfeld depende dos estados dos neurônos. Portanto pode r usada para medr a establdade do sstema. Energa: E = 2 x + b Se a energa não muda, durante a recuperação assíncrona, o sstema atngu a establdade Operação da Rede de Hopfeld Fa de Recuperação Quando a atação da rede muda, a energa muda na quantdade (consderando que apenas um neurôno tem o estado alterado por ez). E = [ + x b ] 7

Operação da Rede de Hopfeld Fa de Recuperação + = 0 > 0 < 0 Casos em ocorrem mudanças (consderando estados 0 e ) Se > 0 ( posto) muda para zero Se = + x > 0 muda para b < 0 = 0 Sgnfca uma mudança negata para < 0 Operação da Rede de Hopfeld Fa de Recuperação + = 0 > 0 < 0 Assm: Neste caso a aração da energa é negata. < 0 e = 0 < 0 E = [( E < 0 < 0)]( < 0) 8

Operação da Rede de Hopfeld Fa de Recuperação + = 0 > 0 < 0 Casos em ocorrem mudanças Se = 0 muda para posto Se = = 0 muda + x para b > 0 > 0 > 0 Sgnfca uma mudança posta para Operação da Rede de Hopfeld Fa de Recuperação + = 0 > 0 < 0 Assm: Se = 0 Neste caso a aração da energa é negata. > 0 e = 0 > 0 E = [( E < 0 > 0)]( > 0) 9

Operação da Rede de Hopfeld Fa de Recuperação > 0 ( posto) [ + x b ] > 0 < 0 ( negato) [ + x b ] < 0 => Energa é lmtada e a rede dee alcançar um estado estáel de equlíbro de forma que a energa não mude. Operação da Rede de Hopfeld Obrações: Os padrões podem r bnáros ou bpolares (não há nfluênca) A mudança de energa depende apenas da mudança na atação de um neurôno A matrz de pesos dee r smétrca com zeros na dagonal (não há auto-recorrentes) 0

Operação da Rede de Hopfeld Capacdade de armazenamento na rede Hopfeld: Resultado expermental de Hopfeld, onde n éo número de neurônos P = 0. 5n McElece et al, 987 apud Fautt, (994) para padrões bpolares P n 2log 2 n Algortmo da Rede de Hopfeld Obrações: Incalzação dos pesos com padrões bnáros M = (2x N p= )(2x e Incalzação dos pesos com padrões bpolares ), = 0, M = x N p= x, e = 0, Em geral: b = 0