Escolar Documentos
Profissional Documentos
Cultura Documentos
CT
UFRN
Inteligncia
Artificial
Aplicada
Lista
1
(04/03/2015)
Prof.
Marcelo
Augusto
Costa
Fernandes
mfernandes@dca.ufrn.br
1
Dada
uma
rede
MLP
com
??
entrada(s),
dois
neurnios
na
camada
escondida
e
??
neurnio(s)
na
camada
de
sada
treinada
com
o
algoritmo
do
backpropagation.
Mostre
o
valor
do
erro
quadrtico
mdio
e
o
valor
dos
pesos
aps
o
final
de
uma
iterao
(apenas
um
exemplo
de
entrada).
Suponha
que
a
rede
MLP
est
aprendendo
a
funcionalidade
da
porta
XOR
e
da
porta
AND.
Utilize
a
funo
sigmoide
na
camada
escondida
e
a
funo
linear
na
camada
de
sada.
Mostre
todos
os
clculos
para
encontrar
o
valor
dos
pesos.
No
necessrio
treinar
para
todos
os
exemplos
de
entrada,
mas
mostre
que
sero
os
exemplos
de
treinamento
e
validao.
Justifique
a
arquitetura
utilizada.
(
(
)
)
N k +1
ik (n ) =
xik (n ) wijk +1 (n ) ik +1 (n ) para k = L - 1,,1
f
i =1
k
ij
k
ij
eiL (n ) = d i (n ) yiL (n )
1
h ( x ) = exp 2 x ch
2
H
y j (n ) = wkh h ( x ),
, h = 1,2, . . . , H
j = 1,2, . . . , m
4
Dada
uma
rede
Perceptron
com
??
entrada(s)
treinada
com
o
algoritmo
do
LMS.
Mostre
o
valor
do
erro
quadrtico
mdio
e
o
valor
dos
pesos
aps
uma
iterao
(apenas
um
exemplo
de
entrada).
Suponha
que
a
rede
Perceptron
est
aprendendo
a
funcionalidade
da
funo
AND.
Mostre
todos
os
clculos
para
encontrar
o
valor
dos
pesos.
No
necessrio
treinar
para
todos
os
exemplos
de
entrada,
mas
mostre
que
sero
os
exemplos
de
treinamento
e
validao.
Justifique
a
arquitetura
utilizada.
h =1
5
Faa
uma
comparao
de
desempenho
entre
as
redes
neurais
MLP,
RBF
e
o
Perceptron.
Mostre
as
limitaes,
as
funcionalidades
e
as
vantagens
e
desvantagens
de
cada
rede.
6
Dada
uma
rede
do
tipo
Mapa
Auto-organizado
de
Kohonen
(Self-Organizing
Maps
SOM)
com
quatro
neurnios
dispostos
em
um
espao
unidimensional
no
qual,
cada
neurnio
possui
duas
entradas.
Mostre
o
valor
dos
pesos
aps
uma
iterao
para
uma
entrada
qualquer.
7
Dado
um
conjunto
de
N
imagens
diferentes
de
100x100
pixels
representado
retratos
3x4
de
rostos
de
N
pessoas
diferentes.
Apresente
uma
estratgia
para
solucionar
o
problema
utilizando
uma
RNA
(treinamento
no
supervisionada)
conhecida
como
Mapa
Auto-organizado
de
Kohonen
(Self-Organizing
Maps
SOM)
associada
a
RNA
de
Funes
Radiais
de
Base
(treinamento
supervisionado).
Mostre
em
detalhes
o
processo
de
treinamento
e
funcionamento
desta
estratgia
bem
como
suas
vantagens
em
relao
a
utilizar
apenas
uma
nica
RNA
com
treinamento
supervisionado.
8
Explique
em
detalhes
(processo
de
treinamento
e
processo
de
validao)
como
utilizar
uma
rede
neural
do
tipo
RBF
para
interpolar
a
funo
.
9
Mostre
um
problema
de
classificao
e
como
ele
pode
ser
resolvido
por
uma
Rede
Neural
Artificial
do
tipo
Perceptron
de
Mltiplas
Camadas.