Rede neural

Disponível somente no TrabalhosFeitos
  • Páginas : 13 (3147 palavras )
  • Download(s) : 0
  • Publicado : 17 de setembro de 2012
Ler documento completo
Amostra do texto
1. Defina o que é uma Rede Neural.

R: Redes Neurais são sistemas paralelos distribuídos compostos por unidades de processamento simples interligadas entre si e com o ambiente por um número de conexões. Também podem ser definidas, como modelos inspirados na estrutura paralela do cérebro e que buscam reter algumas de suas propriedades, as unidades representando os neurônios, enquanto que ainterconexão, as redes neurais. No geral, conexões estão associadas a pesos que armazenam o conhecimento da rede e servem para ponderar a entrada recebida pelo neurônio, ou seja, aprendizagem gerada a partir de conhecimento.

2. Quais os elementos fundamentais de uma Rede Neural? Ilustre e exemplifique.

R: Os elementos fundamentais de uma rede neural são:
- A função das unidades deprocessamento:
Cada unidade é caracterizada por três elementos básicos, um conjunto de conexões de entrada, um estado de ativação e um valor de saída (resposta). E seu comportamento definido pela ocorrência de três estágios, um estímulo como entrada, uma computação do estado de ativação em função do estímulo e uma resposta em função da ativação.
A definição da unidade deprocessamento é caracterizada por uma Regra de Propagação, ou seja, o estado de ativação, e por uma Função de Ativação, ou seja, a resposta do neurônio.
Abaixo um exemplo do modelo de Neurônio Perceptron (Frank Rosenblatt – 1958):


[pic]
- A topologia da rede:
Uma rede pode possuir uma das seguintes topologias:
- Redes Neurais Diretas (Feedforward):Redes em camadas, em que as camadas estão divididas em camada de entrada, ou primeira camada, onde os neurônios recebem o sinal de ativação e camada de saída, ou última camada, onde os neurônios têm sua saída como saída da rede e por fim a camada interna ou camada escondida, podendo ser uma ou mais, e estes neurônios não pertencem nem a primeira nem a última camada. Um exemplode rede com esse tipo de topologia é o Multilayer Perceptron (MLP).
- Redes Neurais Recorrentes:
Este tipo de rede contém pelo menos um ciclo (realimentação, retroação ou “feedback”) no seu grafo. Podem ser compostas por uma ou mais camadas sendo que cada neurônio fornece o seu sinal de saída como entrada para cada um dos outros neurônios. São divididas deacordo com a presença de um retardado:
- Recorrente I (sem atraso). Exemplo Rede Elman:

[pic]


- Recorrente II (com atraso). Exemplo Rede Jordan:
[pic]
- Redes Neurais Construtivas:
São redes que constroem gradualmente suas próprias estruturas até atingirem uma solução satisfatória. Caracterizadas por umaconfiguração inicial mínima, e pela adoção de estratégias de inserção e treinamento (em geral, mais rápido). Exemplo Rede Perceptron-Cascade:
[pic]
- A estratégia ou algoritmo de aprendizagem:
Escolha de um algoritmo de aprendizagem apropriado em que uma função, a partir de exemplos da amostra, seleciona uma determinada função, de um conjunto de funçõesexistente, para melhor aproximação dos dados ideais. Com o aumento do número de exemplos no conjunto de treinamento, ocorre uma melhoria dessa aproximação.


3. Explique os princípios da Aprendizagem Supervisionada e da Aprendizagem Não-supervisionada

R: No caso da aprendizagem supervisionada, assume-se a presença de um “professor”, onde são fornecidas as respostas corretas para cada situação. Aaprendizagem é realizada a partir de exemplos (instâncias ou casos de treino) compostos por um vetor de entradas e por um vetor de saídas desejadas. Existem dois tipos de aprendizagem supervisionada, por Classificação, caracterizada por saídas com valores discretos (classes) e Regressão, caracterizada por saídas com valores contínuos, reais. Nesse caso, observa-se uma convergência rápida no...
tracking img