Neurais Artificiais

ROTEIRO

1. NEURÔNIO NATURAL

2. NEURÔNIO ARTIFICIAL

3. PERCEPTRON

4. HOPFIELD

5. REFERÊNCIAS

NEURÔNIO NATURAL

• São células nervosas, que conduzem os impulsos nervosos.

• São as unidades básicas do sistema que processam as informações e estímulos nocorpo humano.

• Estima-se que um humano adulto possui cerca de 85 bilhões de neurônios.

• Os neurônios podem ser considerados como pequenos microprocessadores.

• Ex: considere que você tenha batido seu dedinho do pé em uma quina, seusistema nervoso através de impulsos elétricos transmitem esse estímulo para océrebro, que através dos neurônios é capaz de tratar essa informação como sendouma dor.

Entrada Processamento Saída

Figura 1 – Fluxo de dadoFonte: Autor.

NEURÔNIO ARTIFICIAL

• O neurônio artificial segue os mesmos princípios do neurônio natural.

• Porém utiliza algoritmos específicos processáveis por computadores, ao invésde utilizar os fatores biológicos como o neurônio natural.

• Com a junção de vários neurônios temos a formação das chamadas RedesNeurais.

• A principal propriedades da Rede Neural Artificial é o fato de simular (aindade forma limitada) a capacidade do cérebro de aprendizagem.

• Essas redes podem ser empregadas em jogos ou até em auxílios de tomada dedecisão, identificação de padrões, dentre outros.

NEURÔNIO ARTIFICIALArquitetura

Sinais de entrada

Sinal de saída

Função de Ativação

Figura 2 – Arquitetura de Rede Neural ArtificialFonte: http://www.ene.unb.br/adolfo/Lectures/ICIN/Ex1_ISI.htm.

NEURÔNIO ARTIFICIALPERCEPTRON

• No final dos anos 1950, Rosenblatt da Universidade de Cornell, criou uma das primeiras redes neuraisartificiais, chamada Perceptron.

• Seu funcionamento baseia-se em treinamentos, ou seja, pode-se definir uma saída desejada e assimo algoritmo tentará produzir um resultado que corresponde aos valores das amostras de entrada.

• Sua principal vantagem é verificar padrões linearmente separáveis.

Figura 3 – Teorema de ConvergênciaFonte: http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf

*demonstração via software

NEURÔNIO ARTIFICIALPERCEPTRON

• Exemplo: Verificar se o ser vivo é quadrúpede ou bípede

Interpretação das saídas: Taxa de aprendizagem = 1Quadrúpede = 1Bípede = -1

Vetores de amostrasx1 x2 x3 x4 Saída desejada

Cão [ 1 -1 1 1 ] 1Gato [ 1 1 1 1 ] 1 Cavalo [ 1 1 -1 1 ] 1Homem [ -1 -1 -1 1 ] -1Galinha [ -1 1 -1 1 ] -1Avestruz [ 1 -1 1 -1 ] -1

Figura 4 – Arquitetura Rede Neural PerceptronFonte: http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf

NEURÔNIO ARTIFICIAL - PERCEPTRONLÓGICA IMPLEMENTADA

• Implementado em C• IDE utilizada: DEV C++

Matriz de amostrascoluna j

x1 x2 x3 amostras[nl][nc];Amostra 1 linha i [ 2 -1 4 ] saídas[nl];Amostra 2 [ 1 1 2 ] amostrasW[nw];Amostra 3 [ 1 7 5 ] h; Amostra 4 [ 8 2 0.1] n;

Lógica:Usuário define número: linhas (nl), colunas (nc),amostras W, saídas, interações e taxa deaprendizagem.

nl = quantidade de amostrasnc = valores das amostrasnw = nl+1

• Cada linha (nl) recebe o valor -1 por padrão;

• Multiplica-se a linha (nl) corresponde da matriz pelovetor de amostras W.

• (Ex: linha 1 * posição 1 do vetor amostrasW);

• O resultado é comparado com a primeira posição dovetor de saídas.

• Caso o sinal (- ou +) não seja igual, faz se o treinamentode acordo com a taxa de aprendizagem.

• Faz-se então uma nova comparação. Caso for igual, irápara a próxima linha da matriz, se não, faz novamente otreinamento com os valores resultantes, até o númeromáximo de n.

NEURÔNIO ARTIFICIAL HOPFIELD

• Em 1982, John Hopfield desenvolveu uma rede neural associativa;

• É baseada na definição de “energia” da rede. É uma prova de que arede opera minimizando esta energia quando evolui para padrõesestáveis de operação;

• Só consegue computar problemas linearmente separáveis.

Vídeo 1 – Demonstração Rede Neural HopfieldFonte: https://pt.wikipedia.org/wiki/Rede_neural_artificialns.pdf

A = B = C = *

**

NEURÔNIO ARTIFICIAL HOPFIELD - ARQUITETURA

Figura 5 – Arquitetura Rede HopfieldFonte: http://www.cin.ufpe.br/~gcv/web_lci/Aula-Hopfield.pdf

NEURÔNIO ARTIFICIAL HOPFIELD

• Principal aplicação: reconstituir padrões corrompidos ou incompletos,

Exemplo 1:Imagine um terrorista que possui uma foto sem óculos em um banco de dadosda INTERPOL ;Assim, como podemos identificá-lo pelas câmeras de um aeroporto quandoestiver utilizando óculos?Através da Rede Neural de Hopfield, reconstruindo os padrões, eliminando oóculos.

Exemplo 2:Radares de trânsito podem capturar imagens com imperfeiçõesDessa forma é necessário reconstruir padrões para identificar o número daplaca do veículo;Aplicando a Rede Neural de Hopfield.

REFERÊNCIAS

http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf

http://www.cerebromente.org.br/n05/tecnologia/nervoso.htm

http://www.ene.unb.br/adolfo/Lectures/ICIN/Ex1_ISI.htm

http://www.todabiologia.com/anatomia/neuronios.htm

https://pt.wikipedia.org/wiki/Rede_neural_artificial

http://moschneider.tripod.com/rn_rna.pdf