Você está na página 1de 19

Universidade Federal do Rio de Janeiro

PÓS-GRADUAÇÃO / 2008-2

IC – Inteligência Computacional
Redes Neurais

Antonio G. Thomé
www.labic.nce.ufrj.br thome@nce.ufrj.br

Redes Neurais

São modelos computacionais que, através de um conjunto


de elementos de processamento muito simples (atuando
como neurônios), altamente conectados e processando em
paralelo, são capazes de:

• gerar seu próprio conhecimento (aprender);


• reconhecer e classificar padrões (formas);
• generalizar o conhecimento adquirido.

“Redes
“Redes Neurais
Neurais não
não são
são programadas
programadas para
para solucionar
solucionar um
um problema
problema ...
...
...
... elas
elas aprendem
aprendem sozinhas
sozinhas aa solucionar
solucionar um
um tipo
tipo de
de problema.”
problema.”

2 Jul-08

1
Capacidade de
Aprendizado
autônomo

Inteligência

São
inspiradas
no modelo
bioló
biológico do
cérebro
humano

3 Jul-08

Redes Neurais serão autônomas?

O.k., and now you‘ll do


exactly what I‘m telling you !

4 Jul-08

2
O
O Que
Que éé Inteligência?
Inteligência?

“É a faculdade de aprender, compreender e adaptar-


se. É agudeza de raciocínio e perspicácia”
Aurélio Buarque de Holanda

Componentes do processo
yPercepção
yReconhecimento de Padrões
yAprendizagem
yRaciocínio
yConhecimento
5 Jul-08

Inteligência

Inteligência Artificial

Sistemas Especialistas

Agentes Inteligentes

Lógica Nebulosa

Algoritmos Genéticos

Redes Neurais
Inteligência Computacional

6 Jul-08

3
John MacCarthy
Standford, 1956

Década 60

Tradicional Novas Abordagens

James Bezdek
Entendimento e Compreensão Percepção 1981

Raciocínio Simbólico Processamento Numérico

Lógica Tradicional Comparação de Padrões

Conhecimento Explícito Aprendizado


7 Jul-08

Inteligência
Inteligência Artificial
Artificial
Atua nos níveis mais elevados de inteligência.

Inteligência Computacional:
Atua nos níveis mais básicos de inteligência.

yPercepção
yReconhecimento de Padrões
yAprendizagem
yRaciocínio
yConhecimento
8 Jul-08

4
Inteligência
Inteligência Computacional
Computacional

yPercepção
yReconhecimento de Padrões
yAprendizagem
¾Lógica não tradicional
¾Conceitos de Seleção das Espécies
¾Conceitos Imunológicos

•• Redes
Redes Neurais
Neurais (Neuronais)
(Neuronais)
•• Sistemas
Sistemas Nebulosos
Nebulosos
•• Algoritmos
Algoritmos ee Programação
Programação Genética
Genética
•• Sistemas
Sistemas Imunológicos
Imunológicos

9 Jul-08

Inteligência
Inteligência

Conhecimento formalizado
Aprendizagem
• adquirido • voluntária
• formalizado • formal
• armazenado Raciocínio
• induzido • informal
• formal • involuntária
• intuitivo • adestramento
• espontâneo
+ • percepção

generalização

10 Jul-08

5
Conhecimento
Conhecimento

“Conhecimento se refere a informação


armazenada ou a modelos utilizados
por uma pessoa ou máquina para
interpretar, prever e responder
apropriadamente a estímulos do mundo
exterior”.

11 Jul-08

Conhecimento
Conhecimento
Como pode ser representado?

• Nos primórdios da computação?


⇒ integrado ao hardware - fixo

• Nas primeiras máquinas programáveis?


⇒ agregado ao hardware – genérico
⇒ integrado ao software - implícito

12 Jul-08

6
Conhecimento
Conhecimento
Como pode ser representado?

• Nos modelos de IA - Sistemas Especialista


⇒ agregado ao software – explícito
⇒ bases de conhecimento

• Nos modelos de IC – Redes Neurais


⇒ agregado ao hardware e ao software
⇒ aprendido pelo próprio modelo

13 Jul-08

Redes
Redes Neurais
Neurais

São modelos computacionais que, através de um conjunto


de elementos de processamento muito simples (atuando
como neurônios), altamente conectados e processando em
paralelo, são capazes de:

• gerar seu próprio conhecimento - aprendizado;


• reconhecer e classificar padrões - percepção;
• generalizar o conhecimento adquirido - conhecimento.

“Redes
“Redes Neurais
Neurais não
não são
são programadas
programadas para
para solucionar
solucionar um
um problema
problema ...
...
...
... elas
elas aprendem
aprendem sozinhas
sozinhas aa solucionar
solucionar um
um tipo
tipo de
de problema.”
problema.”

14 Jul-08

7
Redes Neurais
Breve História

X Y

15 Jul-08

Breve
Breve Histórico
Histórico

• 1943 - McCulloch e Pits Estudo do Neurônio


• 1962 - Rosemblat O Perceptron
• 1963 - Bernard Widrow Filtros Adaptativos
• 1969 - Minsky e Papert Crítica aos Perceptrons
• 1982 - John Hopfield Resgata Interesse em RNs
• 1986 - Rumelhart Alg. Backpropagation
• 2000 - ???? ?

16 Jul-08

8
Hist órico
Histórico
z 1943: trabalho pioneiro de McCulloch e Pitts
– McCulloch: psiquiatra e neuroanatomista
– Pitts: matemático
– descrição do modelo formal de um neurônio
– acreditavam que um número suficiente de neurônios atuando de
forma adequada poderiam, a princípio, computar qualquer
função computável

z 1949: Hebb publica o livro The Organization of Behavior


– formulação da primeira regra de aprendizagem

z 1958: Rosemblat propõe o Perceptron


– como um método inovador de aprendizagem supervisionada
– demonstração do teorema da convergência

17 Jul-08

Hist órico
Histórico
z 1960: Widrow e Hoff descrevem o ADALINE
(ADAptative LINear Element )
– formulação da regra delta

z 1969: Minsky e Papert demonstram as limitações do


Perceptron
– aplicável apenas a problemas linearmente separáveis

z Década de 1970: adormecimento das pesquisas em


redes neurais
– livro de Minsky e Papert

18 Jul-08

9
Hist órico
Histórico

z 1982: Hopfield publicou um estudo sobre as propriedades


associativas das redes neurais
– relação entre redes recorrentes e sistemas físicos

z 1986: Rumelhart, Hinton e Williams desenvolvem o


algoritmo backpropagation
– formulação da regra delta generalizada

z 1988: Broomhead e Lowe descrevem um procedimento


para o projeto de redes utilizando funções de base radial

19 Jul-08

O PARADIGMA DAS REDES NEURAIS

20 Jul-08

10
O que são Redes Neurais?

São
São modelos
modelos computacionais
computacionais que
que emulam
emulam aa
estrutura
estrutura ee oo funcionamento
funcionamento do
do cérebro
cérebro humano.
humano.

Características mais relevantes

• Aprendizagem
• Reconhecimento de Padrões
• Representação do Conhecimento
• Generalização
• Paralelismo

21 Jul-08

Características dos
Características dos Modelos
Modelos Neurais
Neurais

•• São
São construídos,
construídos, não
não programados.
programados.
•• Geram
Geram seu
seu próprio
próprio conhecimento
conhecimento –– aprendem.
aprendem.
•• Oferecem
Oferecem soluções
soluções aproximadas,
aproximadas, não
não exatas.
exatas.
•• Oferecem
Oferecem soluções
soluções que
que podem
podem ou
ou não
não estar
estar corretas.
corretas.
•• Não
Não são
são aplicáveis
aplicáveis aa qualquer
qualquer problema.
problema.
•• Generalizam
Generalizam oo conhecimento
conhecimento apreendido.
apreendido.

22 Jul-08

11
Conhecimento

Problema

Banco de Dados

Modelos

Procedimentos

Dados Históricos Aprende


23 Jul-08

Sistemas
Sistemas Convencionais
Convencionais

z Identificar o Problema;
z Entender o Problema;
z Formular um Procedimento Lógico de Solução;
z Implementar o Procedimento de Solução;
z Testar e Corrigir o Modelo;
z Coletar / Organizar / Formatar Dados;
z Executar o Modelo.

Conhecer e ser capaz de conceber a solução


24 Jul-08

12
Como proceder quando?

9 não se conhece um procedimento de solução, ou


9 a solução é muito complexa, ou
9 os critérios de decisão são imprecisos, ou
9 os dados são incompletos, ou
9 são afetados por perturbações aleatórias, ou
9 não possuem uma forma (padrão) definido.

25 Jul-08

Mapeamento
Mapeamento Percevejo
desconhecido
desconhecido
inconsistência
inconsistência
ambigü
ambigüidade
ambigüidade Abelha
invariância
invariância
ruí
ruído
ruído
Marimbondo

CLASSIFICAÇÃO

26 Jul-08

13
Tendências
Tendências das
das Aplicações Complexas
Aplicações Complexas
“Sistemas Inteligentes com capacidade de
processamento Convencional e Adaptativo”

27 Jul-08

Classes de Problemas
Para
Redes Neurais

28 Jul-08

14
Classifica ção
Classificação
Busca por uma função que consiga classificar
automaticamente objetos em uma dentre um conjunto
finito e pré-definido de classes.

A construção do modelo segundo esta estratégia,


pressupõe o conhecimento prévio das possíveis classes e
a correta classificação dos exemplos usados na
modelagem.

Exemplo: em análise de risco - classificar um potencial


cliente entre as categorias de excelente, bom ou mau
pagador.
29 Jul-08

Categorização ((Clustering)
Categorização Clustering)

Consiste na busca de similaridades entre os dados tal que


permita definir um conjunto finito de classes ou categorias
que os contenha e os descreva.

A principal diferença entre esta abordagem e classificação é


que em agregação não se tem conhecimento prévio sobre o
número de classes possíveis nem a possível pertinência dos
exemplos usados na modelagem.

Descobrir grupos homogêneos de clientes é uma das


possíveis aplicações e pode ser usada para ajudar na
definição da estratégia de marketing a ser adotada.
30 Jul-08

15
Reconhecimento
Reconhecimento

Consiste na associação do padrão corrente ao padrão


representativo de uma e somente uma entidade
previamente armazenada em memória.

Uma das formas mais conhecida de reconhecimento é,


por exemplo, o reconhecimento de locutor.

31 Jul-08

Previsão
Previsão

Envolve uma componente temporal, isto é, representa


aquela classe de problemas nos quais estamos
interessados em prever o comportamento ou valor futuro
de uma determinada variável com base em valores
anteriores desta mesma variável (mono-variável) ou em
valores anteriores da variável de interesse e de outras
variáveis (multivariável).

32 Jul-08

16
Previsão e realização nem sempre saem
como planejado.

Come on! Itlá,can‘t


Vamos nãogo
podemos errar todas...
wrong every time...

33 Jul-08

Etapas de um Projeto
com aplicação de
Redes Neurais

34 Jul-08

17
Treinamento
Teste e Validação
Construção
Descritores da rede
análise erro
Dados Históricos ss or
seleção profe
preparação

P F
r o
e r
p m
a Fixa Arquitetura a Saída
r t
a a
ç ç
ã ã
o o

Produção
Dados Correntes

35 Jul-08

A Escolha dos Descritores

A escolha dos
atributos é Qual é o meu?
fundamental

36 Jul-08

18
Representação e Interpretação
das Saídas da Rede Neural

37 Jul-08

19

Você também pode gostar