Upload
lindley
View
38
Download
0
Embed Size (px)
DESCRIPTION
Redes Neurais. Uso de Redes Neurais MLP para resolver problemas de reconhecimento de padrões. Alexandre de Oliveira Stauffer. Modelo Geral. X 1. W 1. X 2. W 2. Função de Ativação. Função de Propagação. Y. W N. X N. X 1. 1. W 1. 2. W 2. Y. Z=X 1 W 1 +X 2 W 2. -3. X 2. 0. - PowerPoint PPT Presentation
Citation preview
Redes Neurais
Uso de Redes Neurais MLP para resolver problemas de reconhecimento
de padrões
Alexandre de Oliveira Stauffer
Modelo Geral
...
X1
X2
XN
W1
W2
WN
Função de Ativação Função de
PropagaçãoY
1, se Z>=10, cc
Modelo bidimensional
X1
X2
W1
W2 Z=X1W1+X2W2 Y
1
0
2
-3 Z=2 1
Modelo bidimensional
1
1 X1
X2
2X1-3X2-1=0
Treinamento
Reconhecer função lógica OR; Pesos Iniciais: [1, 1] Bias Inicial: 3
Y=1, se X1+X2-3>=0
Y=0, cc
Regra Delta: ΔWi=-λεX
X1+X2-3=0
Dinâmica de Treinamento
1
1 X1
X2
X1 X2 Y T ε
0 0 0 0 0
0 1 0 1 -1
1 0 0 1 -1
1 1 1 1 0
X1+2X2-2=0
2X1+2X2-1=0
Redes MLP – Backpropagation
X Y
MLP: Treinamento
Conjuntos: treinamento, testes e validação; devem possuir amostras de todas as classes; devem possuir amostras bem distribuídas de
todas as classes;
MLP: Treinamento
Treinamento
Erro
T
MLP: Normalização
Ordenadas da entrada com magnitudes diferentes: Pressão Sangüínea; Idade; Taxa de colesterol no sangue;
Xi=(Xi-μ)/σ μ – estimador da média; σ - estimador do desvio padrão;
MLP: Iniciar Pesos
0
1
Devem ser próximos de zero; Devem ser inicializados de forma randômica
(uniformemente distribuídos);
MLP: Tx. Aprendizagem
Erro
W
Solução: Taxa de aprendizagem adaptativa, que diminua com o tempo de aprendizagem;
MLP: Termo Momentum
Erro
W
Diminui instabilidade da rede; Regra Delta: ΔWi+1=-λεX+α ΔWi
MLP: Matriz de Confusão
Resultado Esperado
Dígitos Letras
0 1 2 5 I O S Z
Resultado da R
NA
Dígitos
0 235 0 0 0 0 242 0 0
1 0 181 4 0 14 0 0 0
2 0 3 387 0 8 0 0 67
5 0 0 0 211 2 0 188 0
Letras
I 0 165 0 0 243 0 0 0
O 116 1 0 0 0 165 0 0
S 0 2 0 69 1 0 182 0
Z 0 0 46 0 8 0 0 451
Total: 385 416 492 299 332 463 388 557
MLP: Estimadores
Estimador da média: centro de cada classe; Estimador de desvio padrão: grau de
dispersão da classe em torno de sua média;Mais Dispersas Menos Dispersas
Classe DP Classe DP
2 93,3293 B 71,4913
R 89,0912 P 72,0197
1 88,4283 F 72,5803
N 87,4772 Zero 72,6019
M 87,1319 O 72,6642
MLP: PCA
Redução na dimensão do vetor de entradas; Perda de informação; Diminuição na complexidade da RNA; Eliminação de Ruídos;
Calculado a partir da matriz de covariância;
Referências
C. M. Bishop, Neural Network for Pattern Recognition, Oxford University, 1995.
A. P. Braga, A. P. L. F. Carvalho, T. B. Ludemir, Fundamentos de Redes Neurais Artificiais, XI Escola de Computação, 1998.
http://ltc.nutes.ufrj.br/stauffer/rna [email protected]