Escolar Documentos
Profissional Documentos
Cultura Documentos
aplicação
identificação dos padroes da fala
a topologia da rede
camada simples e bidirecional
cada neuronio tem conexões com todos os elementos do vetor de entrada, os pesos sao
decididos aleatoriamente para não formatar o mapa numa detencia inicial de se organizar
o processo competitivo o vencendor leva tudo, para assim reajustar os pesos e ensinar a
rede um novo conceito
como funciona?
calcula-se o novo neuronio vencedor, aquele que mlehor que atende ao estimulo
proporcionado pelo vetor de entrada.
como calcular?
distancia eucladiana
Back-propagation
procura achar iterativamente a mínima diferença entre as saídas desejadas e saídas obtidas
pela rede neural com o mínimo de erro, ajustando os pesos entre as camadas através da
retropropagação do erro encontrado em cada iteração.
Redes de Hopfield
-conexões bidirecionais com pesos simétricos(Wij = Wji)
-todas as unidades são ao mesmo tempo de entrada e saida
- função g(funções de sinal), niveis de derivação se +/- 1
Como funciona?
Depois que a rede for treinada sobre um conjunto de exemplos, um novo estímulo fará com
que ele se estabilize em um padrão de ativação correspondente ao exemplo do conjunto de
treinamento que mais aproximadamente lembrar o novo estimulo.
Redes de Kohonen
https://www.youtube.com/watch?v=JscwdkDXtuY
------------------------------------
redes neuras:
possuem neuronios( como processadores de informacao) organizados numa
arquitetura, que usam algoritmos para aprender
os neuronios sao autoorganizaveis, siginifica que ao passar do tempo a rede vai criando
redes de neuronios escpecilados em certas entradas
aplicação
identificação dos padroes da fala
a topologia da rede
camada simples e bidirecional
cada neuronio tem conexões com todos os elementos do vetor de entrada, os pesos sao
decididos aleatoriamente para não formatar o mapa numa detencia inicial de se organizar
o processo competitivo o vencendor leva tudo, para assim reajustar os pesos e ensinar a
rede um novo conceito
como funciona?
calcula-se o novo neuronio vencedor, aquele que melhor que atende ao estimulo
proporcionado pelo vetor de entrada.
----------------------------
Redes de Hopfield
-conexões bidirecionais com pesos simétricos(Wij = Wji)
-todas as unidades são ao mesmo tempo de entrada e saida
- função g(funções de sinal), niveis de derivação se +/- 1
Como funciona?
Depois que a rede for treinada sobre um conjunto de exemplos, um novo estímulo fará com
que ele se estabilize em um padrão de ativação correspondente ao exemplo do conjunto de
treinamento que mais aproximadamente lembrar o novo estimulo.
-------------------------
Buscas em arvores é gerada pelo estado inicial e pela função sucessor. Começa na raiz e
avança para baixo em níveis cada vez mais profundos. Um operador é aplicado a um nó
para gerar o próximo nó mais profundo na sequência. O processo continua até que uma
solução é encontrada ou um retrocesso é forçado ao atingir-se um nó terminal que não é
solução.
-------------------------------------
FUZZYFICACAO E DESFUZZYFICACAO <3
Sistemas Fuzzy
Entrada Crisp
Fuzificação das variáveis - Etapa na qual os valores numéricos são transformados em graus
de pertinência para um valor linguístico
Aplicação das regras - Descrição das situações nas quais há reações através de regras de
produção (If - then). Cada regra na saída especifica uma ou várias conclusões.
estimar uma medida com maior precisão - São as técnicas utilizadas na obtenção de um
conjunto fuzzy de saída “x” a partir da inferência nas regras.
Defuzificação das variáveis - Processo utilizado para converter o conjunto difuso de saída
em um valor Crisp
Saida Crisp
---------------------------------
Usualmente as rede artificiais são classificados em três grupos:
Camada de entrada: Onde os padrões são apresentados a rede.
Camada intermediárias ou escondidas: Onde é feita a maior parte do processamento
através das conexões.
Camada de saída: Onde o resultado final é concluído e apresentado.
Processo de aprendizado
A propriedade mais importante das redes neurais é a habilidade de aprender de seu
ambiente e com isso melhorar seu desempenho. Isso é feito através de um processo
iterativo de ajustes aplicado a seus pesos, o treinamento.
O aprendizado ocorre quando a rede neural atinge uma solução generalizada para uma
classe de problemas.
Aprendizado supervisionado - Quando é utilizado um agente externo que indica a rede a
resposta desejada para o padrão de entrada.
Aprendizado não supervisionado (Auto organização) - Quando não existe um agente
externo indicando a resposta, o proprio sistema tenta encontrar encontrar uma resposta
com base nas regras.
Reforço - Quando um critico externo avalia a resposta fornecida pela rede.
Uma maneira de aumentar a taxa de aprendizado é modificar a regra delta (Que mede a
diferença entre a resposta obtida e a desejada) adicionando uma constante que determina o
efeito das mudanças passadas dos pesos.