Apresenta - PowerPoint PPT Presentation

Loading...

PPT – Apresenta PowerPoint presentation | free to download - id: 6a2f34-NmExY



Loading


The Adobe Flash plugin is needed to view this content

Get the plugin now

View by Category
About This Presentation
Title:

Apresenta

Description:

Title: Apresenta o do PowerPoint Author: Aline Last modified by: drv Created Date: 9/28/2001 2:36:09 PM Document presentation format: Apresenta o na tela – PowerPoint PPT presentation

Number of Views:4
Avg rating:3.0/5.0
Date added: 9 December 2019
Slides: 25
Provided by: aline
Learn more at: http://www.cbpf.br
Category:

less

Write a Comment
User Comments (0)
Transcript and Presenter's Notes

Title: Apresenta


1
INTRODUÇÃO AS REDES NEURAIS
FÁBIO SILVA PIAZZI Orientadores Marcelo
Albuquerque Aline Gesualdi
Novembro 2001
2
SUMÁRIO
  • Introdução Histórico
  • Conceitos Características
  • Exemplo Implementação
  • Conclusão Referências Bibliográficas

3
1) INTRODUÇÃO
  • REDES NEURAIS OU REDES NEURONAIS ?
  • tentativa de reproduzir artificialmente redes
    neurais biológicas
  • MOTIVAÇÃO
  • Cérebro lida melhor com alguns problemas que o
    computador
  • reconhecimento de padrões
  • problemas de otimização combinatória
  • Outras características desejáveis
  • capaz de aprender sem o conhecimento do algoritmo
  • capaz de generalizar
  • robustez
  • APLICAÇÕES
  • reconhecimento de padrões
  • processamento de sinais e imagens

1
4
2) HISTÓRICO
  • EVOLUÇÃO DO ESTUDO
  • 1940-1950 início das Redes neurais com McCulloch
    e Pitts. E as redes de
    auto-organização.
  • 1950-1960 Perceptron de aprendizado
    supervisionado.
  • 1960-1970 Pouco avanço
  • 1980-2000 Redes simétricas e o Backpropagation

2
5
3) NEURÔNIO BIOLÓGICO
Estudo do comportamento do neurônio
  • PARTES
  • dendritos
  • corpo celular
  • axônio
  • sinapse

Idéia de entrada, processamento e saída
3
6
4) REDE BIOLÓGICA
Tentativa de mapear o seu funcionamento
  • APRESENTAÇÃO
  • formam malhas complexas
  • comunicação entre neurônios pelas sinapses

Como reproduzir tal complexidade?
4
7
5) NEURÔNIO ARTIFICIAL - PERCEPTRON
Começando pela unidade básica
  • CARACTERÍSTICAS
  • variável interna -
  • polarização - bias
  • função de ativação -

Semelhança entre os modelos
5
8
6) REDE ARTIFICIAL
Construção de um modelo similar
  • 6.1) APRESENTAÇÃO
  • Disposição em camadas (simplicidade)
  • Comunicação entre neurônios entre camadas
    adjacentes

Atendendo aos desejos iniciais, simplificando o
modelo real
6
9
6) REDE ARTIFICIAL
  • 6.2) CARACTERÍSTICAS
  • 2 MODOS DE FUNCIONAMENTO
  • TREINAMENTO
  • Algoritmo - Backpropagation
  • Supervisionado
  • Erro
  • Passo do aprendizado
  • Não supervisionado
  • OPERAÇÃO
  • Algoritmo - Feedforward

7
10
7) TREINAMENTO
  • 7.1) SEM TREINAMENTO
  • conjunto de treinamento
  • pesos sinápticos aleatórios

?
8
11
7) TREINAMENTO
  • 7.2) TREINAMENTO SUPERVISIONADO
  • conjunto de treinamento

A,B erro, erro
A,B ok, erro
A,B ok, ok
PADRÕES
1a ITERAÇÃO
2a ITERAÇÃO
3a ITERAÇÃO
X
9
12
8) BACKPROPAGATION
  • BACKPROPAGATION
  • propagação saída/entrada
  • erro associado

Backpropagation
10
13
9) ERRO ASSOCIADO
  • ERRO

Valor desejado Valor obtido na saída da rede
Neurônio artificial
Como atingir o erro mínimo?
11
14
10) MINIMIZAÇÃO DO ERRO
  • MÉTODO DO GRADIENTE DESCENDENTE
  • minimização do erro
  • mesma direção e sentido oposto ao gradiente


VALOR INICIAL
1a ITERAÇÃO
2a ITERAÇÃO
3a ITERAÇÃO
4a ITERAÇÃO
12
15
11) FEEDFORWARD
  • serão utilizadas 3 camadas
  • propagação entrada/saída
  • conjunto de operação
  • rede treinada

Feedforward
13
16
12) EXEMPLO
11.1) FEEDFORWARD
14
17
12) EXEMPLO
  • 11.2) BACKPROPAGATION - simplificado
  • retropropagação do erro
  • um neurônio

Regra Delta
15
18
12) EXEMPLO
  • 11.3) BACKPROPAGATION
  • valores desejados Ya0,2 Yb1
  • retropropagação do erro

0,103
0,13
0,03
0,24
0,152
16
19
13) IMPLEMENTAÇÃO
  • PROGRAMA EM C
  • rede 35 x 4 x 10
  • entrada grid 5x7
  • saída 10 bits

17
20
14) GRAFICO DO ERRO
18
21
14) GRAFICO DO ERRO
19
22
15) CONCLUSÃO
  • Tentativa da modelagem do neurônio biológico para
    o artificial
  • movida pela perfeição das redes biológicas
  • Grande dificuldade no desenvolvimento e
    implementação das redes artificiais
  • complexidade e do enorme número de parâmetros
  • Já existem resultados animadores que revelam um
    grande avanço no estudo das Redes Neurais

20
23
16) REFERÊNCIAS BIBLIOGRÁFICAS
  • 1) Calôba, Luiz P. - Introdução à Computação
    Neuronal (CBPF)
  • 2) Reis, Caimi F., Albuquerque, Marcelo P.,
    Castro, Sérgio B.
  • Nota Técnica CBPF-NT-002/01, março 2001
    (CBPF)
  • Haykin, Simon Neural Network A Comprehensive
    Foundation (CBPF)
  • Internet
  • http//equipe.nce.ufrj.br/thome/grad/nn/transp/sld
    001.htm
  • http//artecno.ucs.br/textneurais.htm
  • http//www.ielusc.br/inst/comsocial/jornalismo/ntc
    /990303/redeneur.htm
  • http//www1.cptec.inpe.br/anderson/apost/info/neu
    ra.htm
  • http//www.cesec.ufpr.br/zanardin/Contents/Discip
    lines/neural/neural_network.htm
  • http//www.icmsc.sc.usp.br/andre/ann_links.html

21
24
INTRODUÇÃO AS REDES NEURAIS
FÁBIO SILVA PIAZZI Orientadores Marcelo
Albuquerque Aline Gesualdi
Novembro 2001
About PowerShow.com