Escolar Documentos
Profissional Documentos
Cultura Documentos
a passo
Hoje teremos o primeiro contato com Redes Neurais Artificiais,
estudaremos o funcionamento do Perceptron e como treiná-lo.
Apesar dessa limitação ele não é um algoritmo fraco. Pois por mais
que seja difícil achar um conjunto de dados linearmente separável
em aplicações reais, ele pode ser combinado com outros algoritmos
para se aumentar a precisão.
Anúncios
Denunciar este anúncio
O Algoritmo
Antes de partirmos para o problema vamos analisar o algoritmo.
Anúncios
Denunciar este anúncio
E
é uma combinação linear desses inputs ponderada pelos pesos, ela
gera o output do node e é dada por:
Onde
é output desse Node. Depois disso ele é avaliado por uma função
de perda, para problemas de classificação binária é muito comum
o uso da 0-1 loss function:
Anúncios
Denunciar este anúncio
Anúncios
Denunciar este anúncio
Anúncios
Denunciar este anúncio
Para esse exemplo não usaremos bias, pois fica claro que a reta que
divide os dois conjuntos de pontos passa na origem, e também o
intuito é te mostrar como funciona o processo de treinamento do
perceptron passo a passo. Mas falaremos sobre bias em futuros
posts.
Logo teremos:
Anúncios
Denunciar este anúncio
Logo temos:
Anúncios
Denunciar este anúncio
Anúncios
Denunciar este anúncio
Os inputs são:
foi atualizado para 0.95
foi atualizado para -0.15
Os inputs são:
Os inputs são:
Medimos o erro:
foi atualizado para 1
foi atualizado para 0.25
Vamos plotar o gráfico para conferir o que aconteceu.
Os inputs são:
foi atualizado para 1.05
foi atualizado para 0.025