Upload
lslima
View
232
Download
2
Embed Size (px)
DESCRIPTION
neurais
Citation preview
1Antonio G. [email protected]
Fundamentos sobre Fundamentos sobre RNsRNs Parte 1Parte 1
Universidade Federal do Rio de Janeiro
www.labic.nce.ufrj.br
GRADUAO - 2007/1
fev-072
So modelos computacionais que emulam a estrutura e o funcionamento do crebro humano.
So modelos computacionais que emulam a estrutura e o funcionamento do crebro humano.
O que so Redes Neurais?
Aprendizagem Reconhecimento de Padres Representao do Conhecimento Generalizao Paralelismo
Caractersticas mais relevantes
2fev-073
So modelos computacionais que, atravs de um conjunto de elementos de processamento muito simples (atuando como neurnios), altamente conectados e processando em paralelo, so capazes de:
Redes Neurais
gerar seu prprio conhecimento (aprender);
reconhecer e classificar padres (formas);
generalizar o conhecimento adquirido.
Redes Neurais no so programadas para solucionar um problema ...
... elas aprendem sozinhas a solucionar um tipo de problema.
Redes Neurais no so programadas para solucionar um problema ...
... elas aprendem sozinhas a solucionar um tipo de problema.
fev-074
So inspiradas So inspiradas no modelo no modelo
biolgico do biolgico do crebro crebro humanohumano
Capacidade deAprendizado
autnomo
Inteligncia
3fev-075
O.k., and now youll doexactly what Im telling you !
Redes Neurais sero autnomas?
fev-076
a faculdade de aprender, compreender e adaptar-se. agudeza de raciocnio e perspiccia
Aurlio Buarque de Holanda
yPercepoyReconhecimento de PadresyAprendizagemyRaciocnioyConhecimento
Componentes dComponentes doo processoprocesso
O Que Inteligncia?O Que Inteligncia?O Que Inteligncia?
4fev-077
IntelignciaInteligncia
Inteligncia Artificial
Sistemas Especialistas
Agentes Inteligentes
Lgica Nebulosa
Algoritmos Genticos
Redes Neurais
Inteligncia Computacional
fev-078
Raciocnio Simblico
Entendimento e Compreenso
Conhecimento Explcito
Lgica Tradicional
Percepo
Processamento Numrico
Comparao de Padres
Aprendizado
James Bezdek1981
Tradicional Novas Abordagens
Dcada 60
John MacCarthyStandford, 1956
5fev-079
Atua nos nveis mais elevados de inteligncia.
Inteligncia Computacional:Atua nos nveis mais bsicos de inteligncia.
yPercepoyReconhecimento de PadresyAprendizagemyRaciocnioyConhecimento
Inteligncia ArtificialInteligncia ArtificialInteligncia Artificial
fev-0710
yPercepoyReconhecimento de PadresyAprendizagem
Lgica no tradicionalConceitos de Seleo das EspciesConceitos Imunolgicos
Redes Neurais (Neuronais)
Sistemas Nebulosos
Algoritmos e Programao Gentica
Sistemas Imunolgicos
Redes Neurais (Neuronais)
Sistemas Nebulosos
Algoritmos e Programao Gentica
Sistemas Imunolgicos
Inteligncia ComputacionalInteligncia ComputacionalInteligncia Computacional
6fev-0711
Conhecimento
Raciocnio
Aprendizagem voluntria
formal informal
involuntria adestramento
induzido formal intuitivo
espontneo percepo
adquirido formalizado armazenado
+
generalizao
formalizado
IntelignciaIntelignciaInteligncia
fev-0712
Conhecimento se refere a informaoarmazenada ou a modelos utilizados
por uma pessoa ou mquina para interpretar, prever e responder
apropriadamente a estmulos do mundo exterior.
ConhecimentoConhecimentoConhecimento
7fev-0713
Nos primrdios da computao? integrado ao hardware - fixo
Nas primeiras mquinas programveis? agregado ao hardware genrico integrado ao software - implcito
Como pode ser representado?
ConhecimentoConhecimentoConhecimento
fev-0714
Nos modelos de IA - Sistemas Especialista agregado ao software explcito bases de conhecimento
Nos modelos de IC Redes Neurais agregado ao hardware e ao software aprendido pelo prprio modelo
Como pode ser representado?
ConhecimentoConhecimentoConhecimento
8fev-0715
So modelos computacionais que, atravs de um conjunto de elementos de processamento muito simples (atuando como neurnios), altamente conectados e processando em paralelo, so capazes de:
gerar seu prprio conhecimento - aprendizado;
reconhecer e classificar padres - percepo;
generalizar o conhecimento adquirido - conhecimento.
Redes Neurais no so programadas para solucionar um problema ...
... elas aprendem sozinhas a solucionar um tipo de problema.
Redes Neurais no so programadas para solucionar um problema ...
... elas aprendem sozinhas a solucionar um tipo de problema.
Redes NeuraisRedes NeuraisRedes Neurais
fev-0716
X Y
Redes NeuraisFundamentos
9fev-0717
?
1943 - McCulloch e Pits
1962 - Rosemblat
1963 - Bernard Widrow
1969 - Minsky e Papert
1982 - John Hopfield
1986 - Rumelhart
2000 - ????
Estudo do Neurnio
O Perceptron
Filtros Adaptativos
Crtica aos Perceptrons
Resgata Interesse em RNs
Alg. Backpropagation
Breve HistricoBreve HistricoBreve Histrico
fev-0718
z 1943: trabalho pioneiro de McCulloch e Pitts McCulloch: psiquiatra e neuroanatomista Pitts: matemtico descrio do modelo formal de um neurnio acreditavam que um nmero suficiente de neurnios atuando de
forma adequada poderiam, a princpio, computar qualquer funo computvel
z 1949: Hebb publica o livro The Organization of Behavior formulao da primeira regra de aprendizagem
z 1958: Rosemblat prope o Perceptron como um mtodo inovador de aprendizagem supervisionada demonstrao do teorema da convergncia
HistricoHistricoHistrico
10
fev-0719
z 1960: Widrow e Hoff descrevem o ADALINE (ADAptative LINear Element )
formulao da regra delta
z 1969: Minsky e Papert demonstram as limitaes do Perceptron
aplicvel apenas a problemas linearmente separveis
z Dcada de 1970: adormecimento das pesquisas em redes neurais
livro de Minsky e Papert
HistricoHistricoHistrico
fev-0720
z 1982: Hopfield publicou um estudo sobre as propriedades associativas das redes neurais
relao entre redes recorrentes e sistemas fsicos
z 1986: Rumelhart, Hinton e Williams desenvolvem o
algoritmo backpropagation
formulao da regra delta generalizada
z 1988: Broomhead e Lowe descrevem um procedimento para o projeto de redes utilizando funes de base radial
HistricoHistricoHistrico
11
fev-0721
So construdos, no programados.
Geram seu prprio conhecimento aprendem.
Oferecem solues aproximadas, no exatas.
Oferecem solues que podem ou no estar corretas.
No so aplicveis a qualquer problema.
Generalizam o conhecimento apreendido.
So construdos, no programados.
Geram seu prprio conhecimento aprendem.
Oferecem solues aproximadas, no exatas.
Oferecem solues que podem ou no estar corretas.
No so aplicveis a qualquer problema.
Generalizam o conhecimento apreendido.
Caractersticas dos Modelos NeuraisCaractersticas dos Modelos NeuraisCaractersticas dos Modelos Neurais
fev-0722
Problema
Modelos
AprendeDados Histricos
Banco de Dados
Procedimentos
Conhecimento
12
fev-0723
z Identificar o Problema;z Entender o Problema;z Formular um Procedimento Lgico de Soluo;z Implementar o Procedimento de Soluo;z Testar e Corrigir o Modelo;z Coletar / Organizar / Formatar Dados;z Executar o Modelo.
Conhecer e ser capaz de conceber a soluoConhecer e ser capaz de conceber a soluo
Sistemas ConvencionaisSistemas ConvencionaisSistemas Convencionais
fev-0724
9 no se conhece um procedimento de soluo, ou9 a soluo muito complexa, ou9 os critrios de deciso so imprecisos, ou9 os dados so incompletos, ou 9 so afetados por perturbaes aleatrias, ou9 no possuem uma forma (padro) definido.
Como proceder quando?
13
fev-0725
Percevejo
Abelha
Marimbondo
Mapeamento
desconhecido
inconsistncia
ambigidade
invarincia
rudo
MapeamentoMapeamento
desconhecidodesconhecido
inconsistnciainconsistncia
ambigidadeambigidade
invarinciainvarincia
rudorudo
CLASSIFICAO
fev-0726
Sistemas Inteligentes com capacidade de processamento Convencional e Adaptativo
Tendncias das Aplicaes ComplexasTendncias das Aplicaes ComplexasTendncias das Aplicaes Complexas
14
fev-0727
Classes de ProblemasPara
Redes Neurais
Classes de ProblemasPara
Redes Neurais
fev-0728
Busca por uma funo que consiga classificar automaticamente objetos em uma dentre um conjunto
finito e pr-definido de classes.
A construo do modelo segundo esta estratgia, pressupe o conhecimento prvio das possveis classes e
a correta classificao dos exemplos usados na modelagem.
Exemplo: em anlise de risco - classificar um potencial cliente entre as categorias de excelente, bom ou mau
pagador.
ClassificaoClassificaoClassificao
15
fev-0729
Consiste na busca de similaridades entre os dados tal que permita definir um conjunto finito de classes ou categorias
que os contenha e os descreva.
A principal diferena entre esta abordagem e classificao que em agregao no se tem conhecimento prvio sobre o nmero de classes possveis nem a possvel pertinncia dos
exemplos usados na modelagem.
Descobrir grupos homogneos de clientes uma das possveis aplicaes e pode ser usada para ajudar na definio da estratgia de marketing a ser adotada.
Categorizao (Clustering)Categorizao (Categorizao (ClusteringClustering))
fev-0730
Consiste na associao do padro corrente ao padro representativo de uma e somente uma entidade
previamente armazenada em memria.
Uma das formas mais conhecida de reconhecimento , por exemplo, o reconhecimento de locutor.
ReconhecimentoReconhecimentoReconhecimento
16
fev-0731
Envolve uma componente temporal, isto , representa aquela classe de problemas nos quais estamos
interessados em prever o comportamento ou valor futuro de uma determinada varivel com base em valores
anteriores desta mesma varivel (mono-varivel) ou em valores anteriores da varivel de interesse e de outras
variveis (multivarivel).
PrevisoPrevisoPreviso
fev-0732
Previso e realizao nem sempre saem como planejado.
Come on! It cant go
wrong every time...Vamos l, no
podemos errar todas...
17
fev-0733
Etapas de um Projetocom aplicao de
Redes Neurais
Etapas de um Projetocom aplicao de
Redes Neurais
fev-0734
Dados Histricos
PPrreeppaarraaoo
Descritoresanliseseleo
preparao
Produo
Dados Correntes
Fixa Arquitetura
TreinamentoTeste e Validao
Construo da rede
FFoorrmmaattaaoo
Sada
erro
professor
18
fev-0735
A Escolha dos Descritores
Qual o meu?A escolha dos
atributos fundamental
fev-0736
Representao e Interpretao
das Sadas da Rede Neural
19
fev-0737
Y
Mecanismo
Aprendizado
X^
DescritoresNumricos
Yd ... ...
yMecanismo de AprendizadoySupervisionadoyNo SupervisionadoyPor Reforo
yMapeamentoyNo LinearyAproximadoyGeneralizao
O Modelo NeuralO Modelo NeuralO Modelo Neural
fev-0738
nmero. de camadasnmero. de camadas Nmero de neurnios/camadaNmero de neurnios/camada
ConfiguraoConfiguraoConfigurao
20
fev-0739
Dados Histricos Conjunto de Treinamento
Conjunto de Validao
Conjunto de Teste
TreinamentoTreinamentoTreinamento
fev-0740
Taxa de Aprendizado Freqncia de Ajuste
Critrio de ParadaMomento
Parmetros de TreinamentoParmetros de TreinamentoParmetros de Treinamento