1 / 26

UPE – Caruaru – Sistemas de Informação Disciplina: Redes Neurais Prof.: Paulemir G. Campos

UPE – Caruaru – Sistemas de Informação Disciplina: Redes Neurais Prof.: Paulemir G. Campos. Introdução a Redes Neurais (Parte 2). Roteiro da Aula. Conceitos Básicos; Principais Arquiteturas. Referências. Conceitos Básicos. Unidades de Processamento.

hayfa-phelps
Download Presentation

UPE – Caruaru – Sistemas de Informação Disciplina: Redes Neurais Prof.: Paulemir G. Campos

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. UPE – Caruaru – Sistemas de InformaçãoDisciplina: Redes NeuraisProf.: Paulemir G. Campos Introdução a Redes Neurais (Parte 2) RN - Prof. Paulemir Campos

  2. Roteiro da Aula • Conceitos Básicos; • Principais Arquiteturas. • Referências. RN - Prof. Paulemir Campos

  3. Conceitos Básicos RN - Prof. Paulemir Campos

  4. Unidades de Processamento • Função: receber entradas de conjunto de unidades A, computar função sobre entradas e enviar resultado para conjunto de unidade B. • Entrada Total: N uj =  wjixi i=1 RN - Prof. Paulemir Campos

  5. Unidades de Processamento • Representação • Local: unidades representam objetos bem definidos (Ex. letras, palavras, faces, etc); • Distribuída: unidades representam elementos abstratos. • Localização das unidades • Intermediária (escondida); • Saída. RN - Prof. Paulemir Campos

  6. Unidades de Processamento • Estado de ativação: • Representa o estado dos neurônios da rede; • Pode assumir valores: • Binários (0 e 1); • Bipolares (-1 e +1); • Reais • Definido através de funções de ativação. RN - Prof. Paulemir Campos

  7. Funções de Ativação • Processa conjunto de entradas recebidas e o transforma em estado de ativação; • Funções de ativação típicas envolvem: • Adições; • Comparações; • Transformações matemáticas. RN - Prof. Paulemir Campos

  8. Funções de Ativação • Função de ativação • Atualiza estado de ativação • a(t + 1) = F [a(t), u(t)] • a(t + 1) = F [a(t)] • a(t + 1) = F [u(t)] • Atualização • Síncrona (mais comum) • Assíncrona RN - Prof. Paulemir Campos

  9. Funções de Ativação • Funções de ativação mais comuns RN - Prof. Paulemir Campos

  10. Funções de Ativação • Sigmoid Logística RN - Prof. Paulemir Campos

  11. Funções de Ativação • Tangente Hiperbólica RN - Prof. Paulemir Campos

  12. Funções de Saída • Função de saída • Transforma estado de ativação de uma unidade em seu sinal de saída yi(t) = fi (ai(t)) • Geralmente é uma função identidade. RN - Prof. Paulemir Campos

  13. Valores de Entrada e Saída • Sinais de entrada e saída de uma RNA geralmente são números reais • Números devem estar dentro de um intervalo • Tipicamente entre -1 e +1 ou 0 e 1 • Codificação realizada pelo projetista da rede • Técnica de codificação mais simples é a binária • Número restrito de aplicações. RN - Prof. Paulemir Campos

  14. Conexões • Definem como neurônios estão interligados • Nós são conectados entre si através de conexões específicas. • Codificam conhecimento da rede • Uma conexão geralmente tem um valor de ponderamento ou peso associada a ela. RN - Prof. Paulemir Campos

  15. Conexões • Tipos de conexões (wik(t)) • Excitatória: (wik(t) > 0) • Inibitória: (wik(t) < 0) • Conexão inexistente: (wik(t) = 0) • Número de conexões de um nó • Fan-in: número de conexões de entrada; • Fan-out: número de conexões de saída. RN - Prof. Paulemir Campos

  16. Principais Arquiteturas RN - Prof. Paulemir Campos

  17. Número de Camadas • Uma camada (Ex.: Perceptron, Adaline) • Multi-camadas (Ex.: MLP) • Completamente conectada; • Parcialmente conectada; • Localmente conectada. RN - Prof. Paulemir Campos

  18. Topologias Multi-Camadas • Completamente Conectada RN - Prof. Paulemir Campos

  19. Topologias Multi-Camadas • Parcialmente Conectada RN - Prof. Paulemir Campos

  20. Topologias Multi-Camadas • Localmente Conectada RN - Prof. Paulemir Campos

  21. Arranjo das Conexões • Redes Feedforward • Não existem loops de conexões • Redes Recorrentes • Conexões apresentam loops • Mais utilizadas em sistemas dinâmicos • Lattices • Matriz n-dimensional de neurônios RN - Prof. Paulemir Campos

  22. Redes Feedforward • Sinal segue numa única direção; • Tipo mais comum. RN - Prof. Paulemir Campos

  23. Redes Recorrentes • Possuem conexões ligando saída da rede a sua entrada; • Podem lembrar entradas passadas e, conseqüentemente, processar seqüência de informações (no tempo ou espaço) RN - Prof. Paulemir Campos

  24. Redes Recorrentes • Exemplos RN - Prof. Paulemir Campos

  25. Lattices Camada de Saída Nodo Vencedor 1 . . . i . . . n Camada de Entrada RN - Prof. Paulemir Campos

  26. Referências • Braga, A. P.; Ludermir, T. B. e Carvalho, A. C. P. L. F. Redes Neurais Artificiais: Teoria e Aplicações. Editora LTC, 2000. • Notas de aulas da Profa. Teresa B. Ludermir e do Prof. Aluízio Araújo, ambos do CIn/UFPE. RN - Prof. Paulemir Campos

More Related