Introdução à redes neurais artificiais

Introdução à Redes Neurais Artificiais para análise de dadosAntônio MilhomensRobson Gomes

Inteligência Artificial

“A Inteligência Artificial é o estudo de como fazer os computadores realizarem tarefas em que, no momento, as pessoas são melhores.”

─ Elaine Rich

Termo proposto em 1956 por Jhon MacCarthy.

Interação com outras áreasInteração com outras áreas

Redes Neurais Artificiais (RNAs)

“Redes Neurais Artificiais (RNAs) são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência.”

─ André Ponce de Leon F. de Carvalho

RNAs - História

Desenvolvidas, originalmente, na década de 40, pelo neurofisiologista McCulloch e pelo matemático Walter Pitts da Universidade de Illinois, os quais, dentro do espírito cibernético, fizeram uma analogia entre células nervosas vivas e o processo eletrônico num trabalho publicado sobre neurônios formais.

Neurônio Artificial

Onde:

X0, X1, ...Xn são os valores de entradas,

W0, W1, ...Wn são os respetivos pesos correspondes à cada entrada fornecida,

A função de Soma é responsável por realizar a soma ponderada

A função de Transferência é responsável por comparar o valor resultante da função de soma, e de acordo com o valor obtido, ativa ou não o neurônio.

Neurônio de McCulloch e Pitts.

∑𝑖= 0

𝑛

𝑥𝑖 .𝑤𝑖

Principais arquiteturas de RNAs

a) Rede feedforward de uma única camada (Perceptron). b) Rede feedforward de múltiplas camadas

c) Rede com recorrência entre saídas d) Rede com recorrência auto-associativa

Quadro comparativo entre computadores e neurocomputadores

Máquinas de von Neumann Neurocomputadores

Executa programas Aprende

Executa operações lógicas Executa operações não lógicas, transformações, comparações

Depende do modelo ou do programador Descobre relações ou regra dos dados e exemplos

Testa uma hipótese por vez Testa todas as possibilidades em pararelo

RNAs - Aplicações

Classificação de dados;

Predição;

Processamento de imagens e sinais;

Robótica;

Reconhecimento de padrões em linhas de montagem;

Análise de crédito;

Análise de voz;

Etc.

Perceptron

Criado em 1957 por Frank RosenblattRede Neural de apenas uma camadaImplementa um classificado linearAproximador universal de funções

(1,1)

(0,0) (1,0)

(1,0)

E

(1,1)

(0,0) (1,0)

(1,0)

OU(1,1)

(0,0) (1,0)

(1,0)

XOR

Funções lógicas

?

Funções de limiar

1 u = ≥ 00 u = < 0y = f(u) =

Função de limiar linear

x0

x1

w0

w1

w2x2

yΣ f(u)

Realiza a comparação da soma ponderada das entradas com um valor limiar (threshold).

Algoritmo de treinamento

1. Inicialize ;

2. Inicialize o vetor de pesos com valores aleatórios;

3. Aplique a regra de atualização dos pesos

para todos os p pares do conjunto de treinamento;

4. Repita o passo anterior até que para todos os elementos do conjunto de treinamento.

Algoritmo de treinamento

Python + </>=

Rede Neural Artificial