Baixe o app para aproveitar ainda mais
Leia os materiais offline, sem usar a internet. Além de vários outros recursos!
Aula 1-Parte II
Compartilhar
Prévia do material em texto
Aula 1: Introdução à Inteligência Computacional Aplicações Prof. Dra. Larissa Pereira Ribeiro Teodoro UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA DISCIPLINA: INTELIGÊNCIA COMPUTACIONAL APLICADA À AGRICULTURA Motivação Aplicações da Inteligência Computacional Estão presentes na nossa vida Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Por que o tempo todo? Aplicações das Inteligência Computacional Motivação https://pt.akinator.com/# Aplicações das Inteligência Computacional Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS https://pt.akinator.com/ Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Existem vários tipos de redes neurais Como funciona uma RNA??? Cada uma pode envolver diferentes funções de ativação Cada função de ativação controla as camadas ocultas Cada camada possui diferentes números de neurônios Função tangente hiperbólica Motivação Reconhecimento de padrões Adaptação e generalização Tolerância a falhas Perceptron Multicamadas (MLP) Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Não-lineares • Camadas ocultas (hidden layers) Motivação Problemas Complexos Quais as aplicações das RNAs nas Ciências Agrárias??? Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Identificação de tratamentos superiores? Quais as aplicações das RNAs nas Ciências Agrárias??? Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Identificação de tratamentos superiores? Quais as aplicações das RNAs nas Ciências Agrárias??? Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Quais as aplicações das RNAs nas Ciências Agrárias??? Problemas Complexos Discriminação/Classificação Predição Motivação Quais as aplicações das RNAs nas Ciências Agrárias??? Técnicas Tradicionais Análise discriminante RNAs Discriminação/Classificação Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Quais as aplicações das RNAs nas Ciências Agrárias??? Técnicas Tradicionais Ajuste de Modelos RNAs Predição Regressão Linear Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação 1º: Estabelecer Hipótese Como construir uma RNA??? 2º: Modelo Estatístico 3º: Arquitetura e topologia da rede 4º: Treinamento da rede 5º: Validação da rede Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação 1º: Estabelecer Hipótese É possível predizer a produtividade de grãos de uma cultura? Como fazer isso? Técnicas Estatísticas Convencionais Redes Neurais Regressão Linear Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Modelo estatístico da Regressão Linear 2º: Modelo Estatístico MLR ou RNA: qual proporcionou o melhor ajuste? Ajuste R², EQM, RMSE Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Arquitetura: Ex. Perceptron Multicamadas 3º: Arquitetura e topologia da rede Quais são as entradas (variáveis)? Exemplos: - Altura da planta - Ciclo - Massa de cem grãos Saída: Y = Prod Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Topologia 3º: Arquitetura e topologia da rede Nº de camadas? Varia de 1 a 3 Nº de neurônios por camada? Tentativa Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Deve-se ter cuidado para: • Não utilizar nem unidades demais • O que pode levar a rede a memorizar os dados de treinamento (overfitting), ao invés de extrair as características gerais que permitirão a generalização • Não utilizar um número muito pequeno • O que pode forçar a rede a gastar tempo em excesso tentando encontrar uma representação ótima. 3º: Arquitetura e topologia da rede Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação • Particionamento do conjunto de dados • 70 a 80% para treinamento • 30 a 20% para validação 4º: Treinamento da rede • Treinar é ensinar a rede • Apresentar as informações necessárias ao seu aprendizado e generalização • Extrair as informações do conjunto de dados Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação 4º: Treinamento da rede Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação 4º: Treinamento da rede Forward Backward Treinamento do MLP: Backpropagation Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Com um conjunto de dados novo (nunca apresentado à rede) será possível comprovar se a rede realmente aprendeu com os dados 5º: Validação da rede • Testar a rede Comparar R² obtido com MLR e RNAs ▪ Treinamento ▪ Validação Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Exemplos Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS RNAs para predição Motivação Exemplos MLR Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Exemplos RNAs Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS Motivação Exemplos Árvores de Decisão Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS https://doi.org/10.1016/j.rsase.2020.100318 https://doi.org/10.1016/j.rsase.2020.100318 Motivação Recursos Computacionais Inteligência Computacional Aplicada à Agricultura – Prof. Dra Larissa P. R. Teodoro – UFMS/CPCS
Continue navegando
Conteúdos escolhidos para você
329 pág.
20 pág.
92 pág.
56 pág.
Perguntas dessa disciplina
Compartilhar