O aprendizado por perceptrons

Disponível somente no TrabalhosFeitos
  • Páginas : 4 (899 palavras )
  • Download(s) : 0
  • Publicado : 12 de janeiro de 2013
Ler documento completo
Amostra do texto
O Aprendizado por Perceptrons
Alessandro de Mattos Silva Universidade Federal de Mato Grosso do Sul – Campus de Três Lagoas (UFMS-CPTL) Sistemas de Informação
ufms.ale@gmail.com

Abstract:Learning is the search for a solution in a multidimensional parameter space, with the weights of connections that optimize certain function. Based on this concept using preceptrons deepened, as anapplication of Neural Networks, for the representation of knowledge acquired. The activity exerted by preceptrons can be compared to the activity of neurons, both in its physical structure as well as in thetreatment of unidirectional information carried by their connections. Resumo: A aprendizagem consiste na busca de solução em um espaço multidimensional de parâmetros, através de pesos de conexões queotimize determinada função. Baseado neste conceito aprofundamos o uso de preceptrons, como uma aplicação de Redes Neurais, para a representação do conhecimento adquirido. A atividade exercida pelospreceptrons pode ser comparada como a atividade dos neurônios, tanto em sua estrutura física como também no tratamento unidirecional da informação executado por suas conexões.

Perceptrons
O perceptronfoi inventado por Rosenblatt (1962) e foi introduzido como um dos primeiros modelos de redes neurais. Sua função básica é comparada a atividade executada por um neurônio humana. Realiza a somaponderada de suas entradas e envía o sinal 1 em caso de a soma ser maior que algum valor threshold ajustável, caso contrario devolve 0 como sinal de saída. A seguir é apresentada uma figura (Fig.1) queilustra o funcionamento de um perceptron em comparação a um neurônio. As entradas (X1, X2, X3, …, Xn) e os pesos de conexão (W1, W2, W3, …, Wn) são valores reais que podem ser negativos ou positivos. Se apresença de alguma característica Xi tende a causar a ativação do perceptron então o peso Wi será positivo, se a característica Xi inibe o perceptron então o peso será negativo.

Figura 1:...
tracking img