Escolar Documentos
Profissional Documentos
Cultura Documentos
A sinapse
x1
w0 = -1,5
-1 5
• perceptron
t computat uma função
f ã binária
bi á i
de suas entradas
w1 = +1
+1
u
y
• vários perceptrons podem ser
combinados para computar funções
w2 = +1 y=
1 se u > 0 mais complexas
x2
0 se u 0
• o perceptron pode aprender a computar
tudo o q
que ele computa
p
prof. Luis Otavio Alvares prof. Luis Otavio Alvares
Regra de aprendizagem do
Perceptron (cont.)
(cont )
perceptron
• pode-se descrever um algoritmo de
W(n+1) = W(n) + η * (D(n)-Y(n)).X(n)
p g
aprendizagem como:
onde:
onde
– se o perceptron dispara quando não deve
disparar diminua cada wi de um número
disparar,
proporcional a xi; – η é a constante de correção do erro
– se o perceptron deixa de disparar quando – D é a saída desejada
deveria, aumente cada wi de um número – Y é a saída fornecida
proporcional a xi. – X é o vetor de entrada
– W é o vetor de ppesos
Elementos de processamento
Características das RNA
(neurônios)
grande número de elementos de • Os elementos de processamento das
processamento muito simples,
p p inspirados
p nos redes neurais artificiais são os neurônios
neurônios biológicos artificiais
um ggrande número de conexões p ponderadas
• Cada neurônio recebe um padrão de
entre os elementos (neurônios artificiais)
entrada e produz um único valor de saída
os pesos das conexões codificam o
conhecimento de uma rede neural; (
(necessita apenas de informações
f locais))
controle altamente distribuído e paralelo; • A saída é função apenas das entradas e
ênfase na aprendizagem automática. dos pesos das conexões
Aplicações Bibliografia
• Análise
A áli ded investimentos:
i ti t tentando prever o comportamento de
ações da bolsa de valores, a partir do comportamento anterior • Redes Neurais: princípios e prática. Simon
• Análise de assinatura: mecanismo para comparar assinaturas
(por exemplo em cheques) com outras armazenadas. Foi uma das HAYKIN Porto Alegre: Bookman,
HAYKIN. Bookman 2001
primeiras aplicações em larga escala e uma das primeiras a usar um
chip específico.
• M it
Monitoramento: t redes
d neurais i são
ã usadas
d para monitorar:
it • Redes Neurais Artificiais:
f teoria e aplicações.
– o estado de motores de avião - monitorando os níveis de vibração e o som
emitido, avisos de problemas nos motores podem ser emitidos quando Antônio P. BRAGA, Teresa LUDERMIR e André
estão aparecendo e ainda não são críticos
– locomotivas diesel - a British Rail testou aplicação similar em locomotivas C P L F CARVALHO
C.P.L.F. CARVALHO. Rio Ri ded Janeiro:
J i LTC,
LTC 2000.
2000
diesel
• Marketing: para traçar perfil de usuários e para escolher a quem
enviar mala direta
Exemplo