Universidade Estadual Paulista  UNESP

Faculdade de Engenharia de Ilha Solteira

Programa de Pós-Graduação em Engenharia Elétrica

Prova da Disciplina “Redes Neurais Artificiais” / dia: 10-Dezembro-2020

Horário: 14:00 às 16:00h / Videoconferência / Google Meet

Nome: _______________________________________________ Assinatura: _____________________________________

Nota: Cada questão vale 2,5 pontos. Responder somente 4 questões, deixando 1 delas (sob livre escolha) em branco.

Questão 1. O algoritmo Widrow-Hoff (W-H), ainda que seja pouco eficiente para o treinamento, representou um grande avanço à teoria
de ANN por ser uma das primeiras técnicas de treinamento sistematizado e, certamente, serviu de inspiração para o
desenvolvimento de técnicas modernas, como o algoritmo retropropagação, Kohonen, ART, entre outras. Assim sendo,
apresente um esquema, de forma objetiva, como se pode realizar o treinamento, via algoritmo W-H, para o caso de uma
função lógica AND.
Questão 2. Considerando-se os seguintes dados:
Quadro 1. Uma função lógica.
Entrada Saída desejada
x1 x2
+1 +1 1
+1 1 +1
1 +1 +1
1 1 1
projete (determinação do número de camadas, número de neurônios por camada e dos pesos) uma rede neural que realize a
função lógica mostrada no Quadro 1. Justifique a sua resposta.
Questão 3. Na seguinte figura, ilustra-se uma rede neural com a indicação esquemática da técnica de treinamento retropropagação.
Comente se este esquema está correto ou não. Justifique a sua resposta. (2,5 pontos).

sendo: NL = função sigmoidal com variação (1, +1).

Questão 4. Supondo-se que a rede neural de Hopfield (estrutura usada nas aulas da disciplina “Redes Neurais Artificiais”) possui,
inicialmente, a seguinte matriz de pesos:
 0 - 3 - 1 1
-3 0 3 1
w=  
 -1 3 0 - 1
 
 1 1 - 1 0

Assim, determine a matriz w (atualizada) considerando-se a inclusão de 2 novos vetores padrões:

X(k) = [1 1 1  1 ] T
X(k + 1) = [ 1 1 1 1 ] T

Questão 5. Realize o treinamento de uma rede neural ART-Fuzzy, considerando-se os seguintes vetores (representados por linha):
X(1) = [ 0,7 0,1 0,8].
X(2) = [ 1 0 1].
Adote os seguintes parâmetros:
 = 0,1
 = 1
 = 0,95.