Escolar Documentos
Profissional Documentos
Cultura Documentos
1º Relatório Ia
1º Relatório Ia
Sobral - CE
2015
1 Introduo terica
1.1- Redes Neurais Artificiais
Uma RNA pode ser definida como sendo uma estrutura de
processamento (rede), passvel de implementao em dispositivos
eletrnicos, composta por um nmero de unidades interconectadas
(neurnios artificiais), sendo que cada unidade apresenta um
comportamento
especfico
de
entrada/sada
(computao
local),
determinado pela sua funo de transferncia, pelas interconexes com
outras unidades, dentro de um raio de vizinhana, e possivelmente pelas
entradas externas.
As RNAs apresentam diversas caractersticas em comum com o sistema
nervoso:
O processamento bsico de informao ocorre em diversas unidades
simples denominadas de neurnios artificiais ou simplesmente
neurnios (ou ns);
Os neurnios esto interconectados gerando redes de neurnios, ou
redes neurais;
A informao (sinais) transmitida entre neurnios atravs de
conexes ou sinapses;
A eficincia de uma sinapse, representada por um peso associado,
corresponde informao armazenada pelo neurnio e, portanto,
pela rede neural;
O conhecimento adquirido do ambiente atravs de um processo de
aprendizagem que , basicamente, responsvel por adaptar os pesos
das conexes aos estmulos recebidos do ambiente.
Uma rede neural artificial pode ser projetada atravs de uma definio
ou escolha de um conjunto de neurnios artificiais e a determinao dos
parmetros leva ao algoritmo de aprendizagem ou treinamento.
Embora seja possvel projetar uma rede neural a partir da definio
do papel (computao global) que ela deve desempenhar, combinando-se
os efeitos individuais de todos os neurnios, uma rede neural usualmente se
adapta para atingir a funcionalidade desejada a partir de uma ou mais
estratgias de aprendizado, as quais vo atuar junto a parmetros
configurveis da rede neural. fundamental, portanto, que a rede neural
possua meios de interagir com o ambiente. Cada rede neural artificial
representa uma arquitetura de processamento especfica, havendo uma
famlia de arquiteturas, cada qual adequada para funcionalidades
especficas.
2 Desenvolvimento
2.1 Descrio do problema
O problema proposto a ser resolvido, trata-se da obteno do resultado
de uma operao lgica realizada por um MLP com treinamento em
Backpropagation para a soluo de uma porta lgica NAND(NE),ou seja,
uma porta lgica AND seguida por uma porta NOT.
Figura 2.1 Smbolo Grfico de uma porta lgica NAND de duas entradas
A seguir podemos visualizar a sua tabela verdade
INDEX=[ ];
for i = 1:iter
out = zeros(4,1);
numIn = length (entradas(:,1));
for j = 1:numIn
% Camada oculta(intermediria)
H1 = bias(1,1)*pesos(1,1)+ entradas(j,1)*pesos(1,2)+
entradas(j,2)*pesos(1,3);
% Enviar dados atravs da funo sigmide 1/1 + e ^ -x
x2(1) = 1/(1+exp(-H1));
H2 = bias(1,2)*pesos(2,1)+ entradas(j,1)*pesos(2,2)+
entradas(j,2)*pesos(2,3);
x2(2) = 1/(1+exp(-H2));
% Camada de sada
x3_1 = bias(1,3)*pesos(3,1)+ x2(1)*pesos(3,2)+ x2(2)*pesos(3,3);
out(j) = 1/(1+exp(-x3_1));
end
ERR = delta3_1;
INDEX = [INDEX i];
SSE = [SSE sum(sum(ERR.^2))];
plot(INDEX,SSE,'r');
xlabel('Iterao')
ylabel('Soma do erro ao quadrado (SSE)')
pause(0.0000000000000000000000000000005);
end
3 Resultados
Com a execuo do cdigo no software, obtiveram-se os valores reais
e os valores aproximados, vistos que como se utilizou uma funo
sigmoide, ou seja, uma funo no-linear, para os dados de entrada, os
valores obtidos somente seriam iguais ao valor desejado com infinitas
interaes. Podemos observar abaixo essa condio atravs das curvas
obtidas utilizando 500 e 5000 interaes respectivamente.
4 Concluso
Este trabalho envolveu uma aplicao e reforou a grande
importncia no estudo e implementao de um RNA.
Observa-se neste trabalho que a RNA obtm um desempenho
satisfatrio na obteno dos resultados, e de forma esperada uma
resultado obtido atravs do auxlio de um poderoso software
computacional.