Escolar Documentos
Profissional Documentos
Cultura Documentos
Como a emoção influencia o comportamento? Partidas de esportes – pegar a bola, olhar outros
jogadores, prepara o movimento... etc = complexidade = estamos muito longe de entender esse tipo
de coisa.
Quais recursos computacionais permitem esse entendimento, como o cerebro realiza computações
como o cerebro processa informação
Reconhecimeno visual – facial pelo computador. Visão é uma das partes mais avançadas na
compoutação
Carros autonomos – precisa enxergar as coisas = sistema baseado em redes neurais baseadas no que
aprendemos sobre o cerebro.
Modelos computacionais:
Cuidado pq modelos são simplificados. (todos os modelos estaõ errados, não correspondem a
realidade, mas podem ser úteis)
Modelo matematico:
É possivel prever o que acontecerá com esse tipo de modelo, facilita o entendimento.
Modelo computacional:
Primeira pergunta: quanto queremos simplificar? Se eu fazer tudo exatamente igual, será uma copia
real e já temos o original nesse caso, então o modelo é sempre mais simples do que o original.
Não significa que o cerebro funciona do jeito do modelo, mas o modelo pode ajudar. Uso de
simulações.
Neurociencia comp. Interage com varias áreas.
Escala do slide – 1 m representa o cerebro inteiro (a ciencia ainda não sabe modelar o cerebro
inteiro).
Se fizer o modelo do cerebro inteiro tem q ser neuronio bem simples. Não dá para trabalhar com
todos os niveis.
Objetivo: fazer o modelo mais simples possivel que resolva o meu problema.
Construimos na nossa mente o modelo do mundo = reconhecer o q esta ao nosso redor e podermos
reagir.
Os N são muitos parecidos entre si, mesmo tendo tipos diferentes. Principalmente do cortex em
geral.
O q diferencia as áreas e suas capacidades é a forma como esses N se conectam. O que interessa é a
sua conexão e não a sua forma.
Rede multicamadas porque ela vai de uma camada para outra, na primeira camada é mais simples e
conforme vai aumentando vai se tornando complexo.
Redes recorrentes = cj de N com conexoes e se conectam com o mesmo grupo de neuronios (voltam
para os mesmos N)
È quando conseguimos armazenar a memoria. Definição de qual grupos de N estao ativos num
determinado momento q gera o armazenamento.
Modelos simplificados de N:
Distribuição de ions dentro e fora da celula são diferentes - = diferença de potencial
A celula tem sodio e cloro e potassio dentro pq o mar era cheio de sais.
O cerebro dispara pouco potencial de ação pq gasta muita energiam para retornar os ions para o seu
lugar.
Cada entrada pode afetar o N de uma forma diferente dependendo da distancia da entrada do cone
sinaptico.
Peso sinaptico é a soma das entradas – W – pode ser positivo (excitando) ou negativo (inibindo);
Na rede neural não há separação de memoria e processador, é o proprio N que faz isso, no
computador é separado.
As redes são poderosas pq a partir de 3 N podemos fazer qualquer função que chegue na saida do
exercicio (a q não tem como resolver)
Programação:
Professor.ufabc.edu.br/~raphael.camargo/mqn
https://repl.it/languages/python3
Tudo que está dentro do if tem que pular um espaço na linha seguinte, porque tem que estar dentro
do if. Chama-se identar o código.
Aula 28/06
dia = 28
dia = 28 print("Olá, hoje é dia %d." % dia)
print("Olá, hoje é dia %d." % dia)
def Ola(name):
print("ola, " + name + ". Boa
tarde!")
Ola("Elaine") ola, Elaine. Boa tarde!
Ola("Claudinei") ola, Claudinei. Boa tarde!
Maior(1,2,3) 3
Maior(3,2,1) 3
Maior(2,4,3) 4
Função de um neurônio 1
def Neuronio(x,w):
h = x[0]*w[0]+x[1]*w[1]+x[2]*w[2]
if h>=0:
print("1")
else:
print("0")
x = [1, 0, 1]
w = [1, 1, -1]
Neuronio(x,w)
Laço
Ex 3
0
1
def SomaP (n): 2
soma = 0 3
for x in range(0,n): 4
print(x)
SomaP(5)
w = [5, 9, 13, 4]
Maior(w)
r = []
r.append(a)
print(r)
Ex 6
def Neuronio(x,w): 1
h =0;
n = len(x)
for i in range(0,n):
h = h + x[i]*w[i]
if h>=0:
print("1")
else:
print("0")
x = [1, 0, 1]
w = [1, 1, -1]
Neuronio(x,w)
def Neuronio(x,w): 1
h =0;
n = len(x)
for i in range(0,n):
h = h + x[i]*w[i]
if h>=0:
print("1")
else:
print("0")
x = [1, 0, 1,1,1,1,1,1,]
w = [1, 1, -1,0,1,0,1,0]
Neuronio(x,w)