Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Seminario: Breve estudo sobre Redes Neurais Articiais

Disciplina: Algoritmos e Estruturas de Dados

Alfred Gimpel e Flaviana Amorim

Mestrado em Modelagem Matematica e Computacional CEFET-MG

28 de junho de 2010

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

1 2 3 4 5 6 7 8 9

Sumario Introduc ao Modelo Historico Arquitetura em Grafo Aprendizado Redes Conclusoes Referencias

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Introduc ao

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Introduc ao

Modelo Conexionista Consiste em um paradigma computacional; Sistema de processamento paralelo e distribu do; Modela os circuitos cerebrais; Comportamento inteligente.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Motivac ao

Aplicac oes e planejamento do uxo de trafego; Medic ao Analise e processamento de sinais; Robotica; Analise de imagens e voz;

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Neuronio Biologico
NB

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Modelo
Neuronio Articial

Figura: Modelo MCP

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Neuronio Articial

de Ativac Func ao ao y= 1, 0,
n i =1 xi wi n i =1 xi wi

os terminais (dendritos); xn sao wn pesos dos terminais de entrada; n terminais de entrada; y unico terminal de sa da (axonio).

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Neuronio Articial

de Ativac Func ao ao

Limiar (Degrau) e Func Sigmoide; Func ao ao

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Neuronio Articial

de Ativac Func ao ao

Signum e Tangente Hiperbolica; Func ao

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Historico
Retrospectiva Decadas: 40 e 50
McCulloh e Pitts,1943: primeiro modelo de redes neurais; Hebb, 1949: modelo basico de rede auto-organizac ao; Rosemblatt, 1958: modelo Perceptron de aprendizado supervisionado.

Decadas: 60 e 70
Kohonen e Widrow: Modelos de redes neurais e visao, memoria, controle e auto-organizac ao.

Decada: 80
Hopel, 1982: Redes simetricas para otimizac ao; Rumelhart, 1986: Backpropagation.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

RNA em Grafo
Classicac ao Rede neural articial possui uma topologia que pode ser expressa por meio de um grafo dirigido, G = (V , A, W ). Camada unica; Feedforward (ac clica); Completamente conectado.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

RNA em Grafo

Classicac ao Camadas multiplas; Feedforward (ac clica); Fracamente conectado.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

RNA em Grafo

Classicac ao Camadas multiplas; Feedforward; Fracamente conectado.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

RNA em Grafo

Classicac ao Camadas multiplas; Feedback (c clica); Fracamente conectado.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

RNA em Grafo

Classicac ao Camada unica; Feedback (c clica); Completamente conectado.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Aprendizado

Exemplo

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Aprendizado

Supervisionado

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Aprendizado

Supervisionado Nao

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Redes
Perceptron

seja linearmente Convergencia - problema em questao separavel; Somente o n vel de sa da possui propriedades adaptativas;

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Redes

Perceptron

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Redes
ADALINE

Possui sa das binarias bipolares; do erro de sua sa Pesos adaptados em func ao da linear da func de ativac antes da aplicac ao ao ao.

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Algoritmo

Backpropagation

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Algoritmo

Backpropagation

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Algoritmo

Backpropagation

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Conclusoes

Vantagens e Desvantagens Capacidade de aprendizado; Capacidade de lidar com dados incompletos; e aprendizagem; Habilidades de adaptac ao Falta de embasamento teorico das redes; dias; Treinamento pode durar horas e ate Diculdade no desenvolvimento e implementac ao; Complexidade no enorme numero de parametros;

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Referencias

 Sumario

Introduc ao

Modelo

Historico

Arquitetura em Grafo

Aprendizado

Redes

Conclusoes

Referencias

Referencias

- A. P. Braga, A. P. L. F. Carvalho e T. B. Ludermir; Redes Neurais Articiais: Teoria e Aplicac oes , Ed. LTC, 2000. - E. Masson e Y. Wang, Introduction to Computation and Learning in Articial Neural Networks. European Journal of Operational Research, North-Holand , 47, 1990. p. 1 28. - K. P. Kratzer.Neuronale Netze - Grundlagen und Anwendungen. Carl Hanser Verlag, 1991. - R. Battiti. First and second-order methods for learning: between steepest descent and Newtons method. Technical report, University of Trento, 1991