Neuronio de McCulloch - Pitts

Aplicao 1 - Provar qure o seguinte neuronio MC implementa uma porta AND

-1 1.5

W1 = W2 = 1 - = 1,5 Y = 1, SE M>=0

w = w1 x1 + w2 x2 -

1 X1

y Y = 0, SE M<0

X2

2 - Prova que o seguinte neuronio MC implementa uma porta NOT -1 0.5 W1 = 1 - = 0,5 Y = 1, SE M>=0 -1 X1 y Y = 0, SE M<0

1 - Provar qure o seguinte neuronio MC implementa uma porta OR

-1 0.5

W1 = W2 = 1 - = 0,5 Y = 1, SE M>=0

1 X1

y Y = 0, SE M<0

X2

Rede Perceptron

1 - O mecanismo de aprendiza at que ele resolva o problema

A regra de aprendizagem um 1- Erro entre a saida desejada e=d-y

= w1 x1 + w2 x2 - 0

2 - Informao fornecida pelo v

x+ Sistema Real (desconhecido) Percepton Simples

O Processo de aprendizagem, e pelo vetor de entrada (x)

A regra de aprendizagem um (i) Erro entre a saida desejada e=d-y

(ii) Informao fornecida oeki v

erceptron Simples (PS)

smo de aprendizagemn consiste na modificao dos pesos e do pilar de neuronio M-P esolva o problema de interesse ou que o periodo de aprendizagem tenha finalizado x0 = -1 w0 = 0 x1 w1

prendizagem uma funo de 2 fatores:

a saida desejada (d) e a saida gerada pela rede ( Equao 1 ) X2 w2

o fornecida pelo vetror de entrada (x) x3 w3 d+ xn wn

Sistema Real desconhecido) Percepton Simples y+

e aprendizagem, oi modificao dos parametros do neuronio M-P guiado pelo werro (e) de entrada (x)

prendizagem uma funo de 2 fatores: a saida desejada (d) e a saida gerada pela rede (y) ( Equao 1 )

o fornecida oeki vetor de entrada (x)

M (+)

y(+) = +/- 1

d (+)

e(+)

Conceito w(t+1) = memoria (conhecimento atual) Delta W(t) = incremento na memoria (informao adquirida) w(t+1)= memoria modificada com acrescimo da informao

Dada uma rede do tipo Perceptron formada por um neuronio com 3 terminais de entrada, utilizando p w1 = 0,4 w2 = -0,6 w3 = 0,6 Limiar 0 = 0,5 Taxa de Aprendizado = 0,4 Responda: a) Ensinar a rede a gerar a saida = -1 para o padro de entrada 001 b) A saida = 1 para o padrao 110

Respostaa Funo sem Aprendizagem M(t) = x1w1 + x2w2 + x3w2 + (O*saida) Condio: y = 1 ----- Se M>=0 y = -1 ----- Se M<0 A - Treinar a Rede A1 - No padro de entrada 001 --> Saida = -1 D = desejado = -1 y -> Perceptron = ? 1 Ensinamento da Rede W(t+1) = W(t) + n (d-y) * x(t) W1 = 0,4 + 0,4 ( -1 -(1)) * 0 W1 = 0,4 W2 = -0,6 + 0,4(-1-(1)) * 0 W2 = -0,6 W3 = 0,6 + 0,4 (-1-(1)) *1 W3 = 0,2 W0 = 0,5 + 0,4(-1-(1)) * -1 W0 = 1,3 Resposta B d=1 110

M(t) = 0*0,4 + 0*(-0,6) + 1*(0,6) - 0,5 M (t) = 0,1 maior que Zero 1 y=1

Treinando NOVAMENTE a Rede

trada, utilizando pesos iniciais

x0 = -1 w0 = 0 x1 0 X2 w2 0 x3 w3 1 d (+) xn wn e(+) M (+) y(+) = +/- 1 w1

2 Ensinamento

y) * x(t)