FUNDAO EDUCACIONAL MONTES CLAROS

FACULDADE DE CINCIA E TECNOLOGIA DE MONTES CLAROS

ENGENHARIA DE COMPUTAO
INTELIGNCIA COMPUTACIONAL
TRABALHO COMPUTACIONAL 1
- Enunciado:
Pela anlise de um processo de destilao fracionada de petrleo, observou-se que determinado leo
poderia ser classificado em duas classes de pureza {P1 e P2} a partir da medio de trs grandezas
{x1, x2, e x3}, que representam algumas de suas propriedades fsico-qumicas. A equipe de
engenheiros e cientistas pretende usar uma rede Perceptron para executar a classificao automtica
das duas classes. Assim, baseado nas informaes coletadas dos processos, formou-se o conjunto de
treinamento apresentado na Tabela I, tomando-se por conveno o valor de -1 para leo pertencente
classe P1 e o valor 1 para leo pertencente classe P2.
Amostra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

x1
-0,6508
-1,4492
2,0850
0,2626
0,6418
0,2569
1,1155
0,0914
0,0121
-0,0429
0,4340
0,2735
0,4839
0,4089
1,4391
-0,9115
0,3654
0,2144
0,2013
0,6483
-0,1147
-0,7970
-1,0625
0,5307
-1,2200
0,3957
-0,1013
2,4482
2,0149
0,2012

Tabela 1
x2
0,1097
0,8896
0,6876
1,1476
1,0234
0,6730
0,6043
0,3399
0,5256
0,4660
0,6870
1,0287
0,4851
-0,1267
0,1614
-0,1973
1,0475
0,7515
1,0014
0,2183
0,2242
0,8795
0,6366
0,1285
0,7777
0,1076
0,5989
0,9455
0,6192
0,2611

x3
4,0009
4,4005
12,0710
7,7985
7,0427
8,3265
7,4446
7,0677
4,6316
5,4323
8,2287
7,1934
7,4850
5,5019
8,5843
2,1962
7,4858
7,1699
6,5489
5,8991
7,2435
3,8762
2,4707
5,6883
1,7252
5,6623
7,1812
11,2095
10,9263
5,4631

d
-1,0000
-1,0000
-1,0000
1,0000
1,0000
-1,0000
1,0000
-1,0000
1,0000
1,0000
-1,0000
1,0000
-1,0000
-1,0000
-1,0000
-1,0000
1,0000
1,0000
1,0000
1,0000
-1,0000
1,0000
1,0000
1,0000
1,0000
-1,0000
-1,0000
1,0000
-1,0000
1,0000

FACULDADE DE CINCIA E TECNOLOGIA DE MONTES CLAROS FACIT

Avenida Deputado Esteves Rodrigues, n 1637 Centro / Montes Claros MG CEP.: 39400-141
Tel.: (38) 4009-5777

FUNDAO EDUCACIONAL MONTES CLAROS

FACULDADE DE CINCIA E TECNOLOGIA DE MONTES CLAROS
ENGENHARIA DE COMPUTAO
- Questes:
1) Implemente os algoritmos de treinamento e de operao da rede Perceptron. Utilize taxa de
aprendizado igual a 0,01.
2) Execute cinco treinamentos para a rede Perceptron, iniciando-se o vetor de pesos {w} em cada
treinamento com valores aleatrios entre 0 e 1, de forma que em cada treinamento os valores no
sejam os mesmos.
3) Registre os resultados dos cinco treinamentos na Tabela 2:

Treinamento

wo

Tabela 2
Vetor de pesos iniciais
w1
w2
w3
w0

Vetor de pesos finais

w1
w2
w3

Nmero de
pocas

1 (T1)
2 (T1)
3 (T1)
4 (T1)
5 (T1)

4) Aps o treinamento da rede Perceptron, utilize o algoritmo de operao, aplicando-o na

classificao automtica das amostras de leo da Tabela 3, indicando ainda na tabela aqueles
resultados das sadas (classes) referentes aos cinco processos de treinamento realizados na questo
2.
Amostra
1
2
3
4
5
6
7
8
9
10

x1
-0,3665
-0,7842
0,3012
0,7757
0,1570
-0,7014
0,3748
-0,6920
-1,3970
-1,8842

x2
0,0620
1,1267
0,5611
1,0648
0,8028
1,0316
0,1536
0,9404
0,7141
-0,2805

x3
5,9891
5,5912
5,8234
8,0677
6,3040
3,6005
6,1537
4,4058
4,9263
1,2548

Tabela 3
y (T1)

y (T2)

y (T3)

y (T4)

y (T5)

5) Explique por que o nmero de pocas de treinamento, em relao a esta aplicao, varia cada vez
que executamos o treinamento da rede Perceptron.
6) Para a aplicao em questo, discorra se possvel afirmar se as classes so linearmente
separveis.

FACULDADE DE CINCIA E TECNOLOGIA DE MONTES CLAROS FACIT

Avenida Deputado Esteves Rodrigues, n 1637 Centro / Montes Claros MG CEP.: 39400-141
Tel.: (38) 4009-5777