Trabalho de redes neurais

Disponível somente no TrabalhosFeitos
  • Páginas : 10 (2465 palavras )
  • Download(s) : 0
  • Publicado : 26 de março de 2012
Ler documento completo
Amostra do texto
UNIVERSIDADE DA REGIÃO DE JOINVILLE
DEPARTAMENTO DE INFORMÁTICA

Trabalho sobre Redes Neurais

NOME DO ALUNO

NOME DO PROFESSOR
Inteligência Artificial (Nome da Matéria)

Joinville
2010
Perceptron com uma camada
Perceptrons podem ser treinados por um algoritmo de aprendizagem simples, chamado geralmente de regra-delta. Esse algoritmo calcula os erros entre a saída dos dadoscalculados e a saída desejada e utiliza isso para ajustar os pesos, assim executando um formulário da descida do gradiente.
Os perceptrons de uma camada são capazes de aprender somente sobre problemas linearmente separáveis (que podem ser separados por uma reta em um hiperplano). Em 1969, na famosa monografia Perceptrons por Marvin Minsky e por Seymour Papert, mostrou-se que era impossível para uma únicarede do perceptron da camada aprender uma função de XOR. Conjecturou-se (incorretamente) que um resultado similar penderia para uma rede multicamadas do perceptron. Embora uma única unidade do ponto inicial fosse completamente limitada em seu poder computacional, mostrou-se que as redes de unidades paralelas do ponto inicial podem aproximar toda a função contínua de um intervalo compacto dosnúmeros reais no intervalo [ - 1, 1 ].

Perceptron multicamadas
Esta classe de rede consiste de múltiplas camadas de unidades computacionais, geralmente interconectadas em uma forma de alimentação avante. Isso quer dizer que cada neurônio em uma camada tem conexões diretas a neurônios da próxima camada. Em muitas aplicações, as unidades dessas redes utilizam uma função sigmóide (em forma de S) comoa função de ativação.
O teorema de aproximação universal dita que toda função contínua que mapeia intervalos de números reais de entrada a algum intervalo de números reais de saída pode ser arbitrariamente aproximada com precisão por um perceptron multicamadas com somente uma camada oculta. Esse resultado só é válido para classes restritas de funções de ativação, por exemplo, funções sigmóides.As redes multicamadas podem usar um grande número de técnicas de aprendizado, sendo que a mais popular é a propagação reversa. Nesse caso, os valores de saída são comparados com a resposta correta para computar o valor de alguma função de erro pré-definida. Por alguma técnica, o erro é então alimentado de volta na rede. Usando essa informação, o algoritmo ajusta os pesos de cada conexão parareduzir o valor da função de erro.

Redes ARTs
ART são as siglas em inglês de Teoria da Ressonância Adaptativa (Adaptive Resonance Theory), desenvolvida inicialmente por Stephen Grossberg, em 1976, e em publicações posteriores em parceria com Gail Carpenter (1986/87). As redes neurais artificiais ART são redes que não precisam da exposição prévia de qualquer número de elementos do conjunto de dadospara o seu treinamento. A principal característica dessa família de arquiteturas é a sua capacidade para formar agrupamentos (clusters), que nos permite identificar padrões desconhecidos. Existem três modelos de redes ARTs: ART1: é capaz de aprender a categorizar padrões de entrada binários apresentados em ordem arbitrária. ART2: pode aprender a categorizar padrões de entrada analógicos oubinários. ART3 (ARTMAP): pode realizar uma busca paralela, ou teste de hipóteses, em códigos com reconhecimento distribuído.
Aplicação
Reconhecimento Automático de Alvos; Reconhecimento de Caracteres; Robótica; Diagnóstico Médico; Sensoriamento Remoto; Processamento de Voz;
Aprendizado
O algoritmo de aprendizado da rede ART 1 não é supervisionado e pode ser ativa a qualquer momento, permitindo que arede aprenda novos padrões continuamente. Existem 2 tipos de aprendizado na rede ART 1, o aprendizado rápido e o lento. O processo de aprendizado da rede envolve 3 fases como: reconhecimento, comparação e busca.

Representa um único neurônio artificial que recebe input de várias outras unidades semelhantes. É um programa que tem por base características da teoria da ressonância adaptativa,...
tracking img