Você está na página 1de 16

UNIVERSIDADE DA REGIO DA CAMPANHA URCAMP CENTRO DE CIENCIAS DA ECONOMIA E INFORMTICA CCEI CURSO DE SISTEMAS DE INFORMAO

Redes Neurais Multiperceptron


Inteligncia Artificial

Everton Horst Filipe Flores Rodrigo Kadson Zilber Ferreira

Bag 2011/1

Redes Neurais Multiperceptron

Conceito
* As redes neurais so sistemas inteligentes assim como so modelos matemticos semelhantes s estruturas neurais biolgicas, que tem uma capacidade computacional adquirida por meio de aprendizado e generalizao.

Redes Neurais Multiperceptron

Objetivos

Armazenar conhecimento; Aplicar conhecimento armazenado para resolver problemas; Adquirir novo conhecimento;

Redes Neurais Multiperceptron

Redes Neurais Multiperceptron Aplicaes


Classificao: A rede neural treinada atravs de amostras de dados de cada grupo e instrues de como realizar a classificao, fazendo com que a rede aprenda as caractersticas prprias de cada grupo. Funo aproximao (ou anlise de regresso): Inclui previso e modelagem desries temporais. Reconhecimento de padres: uma forma de classificao. Redes neurais so largamente utilizadas para este intuito. Otimizao: Problemas como montagem de circuitos, alocao de recursos, entre outros.

Redes Neurais Multiperceptron

Exemplos de Aplicaes
NeuroVision Sistema de reconhecimento de caracter baseado em manuscrita. Desenvolvido para demonstrao, utilizao educacional e uso cientfico.

Fonte: http://neurovision.sourceforge.net

Redes Neurais Multiperceptron

Exemplos de Aplicaes
Sistema de identificao automtica de veculos Sistema desenvolvido na Universidade Federal do Rio Grande do Sul (UFRGS), que tem o objetivo de dotar uma maquina da capacidade de localizar e interpretar o contedo da placa de um veculo qualquer atravs da utilizao de tcnicas de processamento de imagens e inteligncia artificial.

Fonte: http://www.lapsi.eletro.ufrgs.br/projetos/siav

Redes Neurais Multiperceptron Arquitetura


Os Perceptrons multicamadas se caracterizam pela presena de uma ou mais camadas intermediarias ou escondidas, adicionando camadas aumenta-se o poder computacional da rede. O conjunto de sadas dos neurnios de cada camada utilizado como entrada para a camada seguinte. (Duarte, 2009).

As topologias podem ser definidas pelo nmero de camadas, quantidade de neurnios nas camadas e pelo tipo de conexo entre os neurnios. Dentre os tipos de configuraes existentes, a rede pode ser do tipo feedforward (direta) ou do tipo feedback (com retroalimentao). (Duarte, 2009).

Redes Neurais Multiperceptron Arquitetura

Fonte: http://www.lncc.br/~labinfo/tutorialRN/imagens

Redes Neurais Multiperceptron Funcionamento


A camada de sada recebe os estmulos da camada intermediria e constri o padro que ser a resposta. As camadas intermedirias funcionam como extratoras de caractersticas, seus pesos so uma codificao de caractersticas apresentadas nos padres de entrada e permitem que a rede crie sua prpria representao, mais rica e complexa, do problema.

Em um rede com pelo menos duas camadas intermedirias:


Primeira camada intermediaria: cada nodo traa retas no espao de padres de treinamento. Segunda camada intermediaria: cada nodo combina as retas traadas pelos neurnios da camada anterior conectados a ele, formando regies convexas, onde o nmero de lados definido pelo numero de unidades a ele conectadas. Camada de sada: cada nodo forma regies que so combinaes das regies convexas definidas pelos nodos a ele conectados da camada anterior. Os nodos definem, desta maneira, regies com formatos abstratos.

Redes Neurais Multiperceptron Funcionamento


Como defini-se o nmero de camadas intermedirias:

O nmero de nodos da camada intermediria, normalmente definido de maneira emprica, dependendo da validao da rede, e dos padres de treinamento. Vrios fatores so influentes para definir o nmero adequado de nodos na camada intermediaria, dentre os fatores, podemos citar:

Redes Neurais Multiperceptron Funcionamento


Fatores influentes para o nmero adequado de nodos: Quantidade de rudo nos exemplos de treinamento; Nmero de exemplos de treinamento; Complexidade da funo; Distribuio dos dados do treinamento.

Redes Neurais Multiperceptron Funcionamento


Segundo Carvalho (Redes Neurais Artificiais Teoria e Aplicaes) A soluo neural mais eficiente aquela em que o nmero de unidades cresce polinomialmente com o aumento do nmero de unidades de entrada.

Redes Neurais Multiperceptron

Consideraes finais
As redes neurais multicamadas proporcionam uma evoluo no poder computacional em relao s redes de camada nica devido a sua maior capacidade de representao, esta justificada pelo uso de camadas intermedirias ou escondidas e de funes de ativao no-lineares

Redes Neurais Multiperceptron

Referncias Bibliograficas
BRAGA, AP.; CARVALHO, A.P.L.F.; LUDEMIR, T.B. Redes Neurais Artificiais.In: S.O. REZENDE (Coord). Sistemas Inteligentes: Fundamentos e Aplicaes. Barueri, SP. Editora Manoele, 2005. DUARTE, Valquria A. R. MP-Draughts Sistema multiagente de aprendizagem automtica para damas baseado em redes neurais perceptron. 2009. Disponvel em: http://www.bdtd.ufu.br/tde_arquivos/5/TDE-2009-10-13T153747Z1704/Publico/Valquiria.pdf. Acesso em: 11 Jun. 2011. HORIE, Andr Kenji. et al. Redes Neurais Multicamadas. 2008. Disponvel em: http://www.lti.pcs.usp.br/pcs2059/aulas/Seminario-G14doc.pdf. Acesso em 12 Jun. 2011.

Redes Neurais Multiperceptron

Referncias Bibliograficas
Instituto de Cincias Matemticas e de Computao USP Pgina do Professor Andr Ponce : www.icmc.usp.br/~andre/ (acessado em 09/06/2011) PAIVA, Bruno. M. Sintonia Automatizada de Ganhos de Retroao deEstados em Sistemas de Controle com o Auxlio de Redes Neurais Artificiais. 2008. Disponvel em: http://pt.scribd.com/doc/49968495/10/ARQUITETURA-DE-REDESNEURAIS-ARTIFICIAIS. Acesso em: 12 Jun. 2011. RAUBER, Thomaz. Walter. Redes Neurais Artificiais. 2006. Disponvel em: http://www.cic.unb.br/~lamar/te803/Turma2006/ERI98-silvia.pdf. Acesso em 11 Jun. 2011. Redes Neurais: Princpios e Prtica. HAYKIN, Simon. 2 Edio, 2008. Editora Bookman. Rezende, Solange O. (2003). Sistemas Inteligentes Fundamentos e aplicaes. Barueri, SP. Editora Manole.