RN 5b Redes Neurais No Matlab

Redes Neurais no MATLAB 6.1

Redes Neurais no MATLAB
] Duas formas de utilização:
\ Linhas de comando, e m-files
\ Interface gráfica (NNTool)

1

Redes Neurais no MATLAB
] Duas formas de utilização:
\ Linhas de comando, e m-files
\ Interface gráfica (NNTool)

Passos para a Criação de uma RN
]
]
]
]
]

Definir os padrões
Inicializar a rede
Definir os parâmetros de treinamento
Treinar a rede
Testar a rede

2

O Problema do OU Exclusivo
→ ‘1’

x2
→ ‘0’

x1

X1

X2

valor

0

0

0

0

1

1

1

0

1

1

1

0

Passos para a Criação de uma RN
]
]
]
]
]

Definir os padrões
Inicializar a rede
Definir os parâmetros de treinamento
Treinar a rede
Testar a rede

3

Definindo os Padrões
X1

X2

valor

0

0

0

0

1

1

1

0

1

1

1

0

Vetor de entrada: P = ⎡⎢0 0 1 1⎤⎥ → P = [0 0 1 1; 0 1 0 1]
⎣0 1 0 1⎦
Vetor de saída:

T = [0 1 1 0]

Passos para a Criação de uma RN
]
]
]
]
]

Definir os padrões
Inicializar a rede
Definir os parâmetros de treinamento
Treinar a rede
Testar a rede

4

Inicializando a Rede Neural
Redes Feed-forward:

net = newff(

[min(P')' max(P')'],
[N_hidden 1],
{'tansig' 'logsig'},
'traingd');

Função “newff”

(limites dos padrões de entrada)
(número de neurônios de cada camada)
(função de ativação de cada camada)
(algoritmo de treinamento)

Funções de Ativação purelin logsig tansig satlin(s)

Linear
Sigmóide
Tangente hiperbólica
Linear com saturação

5

Algoritmos de Treinamento traingd traingdm traingda traingdx trainlm trainrp

Gradient descent backpropagation
Gradient descent backpropagation com momentum
Gradient descent backpropagation com taxa adaptativa
Gradient descent backpropagation com momentum e taxa adaptativa
Levenberg-Marquardt backpropagation (default)
Resilient backpropagation (Rprop)

Passos para a Criação de uma RN
]
]
]
]
]

Definir os padrões
Inicializar a rede
Definir os parâmetros de treinamento
Treinar a rede
Testar a rede

6

Definindo parâmetros de treinamento

net.trainParam.epochs = 100; net.trainParam.goal = 1e-8;