Inteligência Artificial - Aula 1 ao 11 pt7

Prévia do material em texto

Redes Neurais Artificiais
Aprendizado supervisionado
Perceptron : camada única e múltiplas camadas
	“Quadrado” da figura = f (função de abstração)
EX{ y=1, SE s>0
 Y=0,SE s<0}
Implementação- porta lógica E:
REDE c/ 1 neurônio	pesos iniciais > w [ 0,0] Ô=0.5
 2 entradas		 1 saída
Passo 1:
Mostrar P1=[1,1]
Aplicar função (SIMBOLO DE SOMATÓRIO)
S = 1*0+1*0=0
Passo 2:
Aplicar funções de ativação
S <= 0.5 -> y=0				Obtido(y)=0 ERRO!!
S> 0.5 -> y=1
Passo 3: Ajuste dos pesos
Erro= d-y= 1-0= 1
W(n)= W(a)+N*e*x 
N*e*x= 0.5
X=[0.5;0.5]
W(a)=[0;0]
W(n)=[0.5;0.5]
Seguindo apresentação dos padrões:
P2={O ;1}
S= 0*0,5+1*0,5=0,5
0.5<= Ô -> y=0
P3={1 ;0}
 		 S= 1*0,5+0*0,5=0,5
			P4={O ; O}
 S= 0*0,5+0*0,5=0
Mostrar padrões novamente:
P1=[1 1]
S=1*0,5 + 1*0,5 =1
Y=1
Porta OV:
P1[0,0]=0		N=1
P2[0,1]=1		{ S<1 => y=0 //////////// S>1 => y=1}
P3[1,0]=1		N=1
P1[1,1]=1		Erro=d-y
Exemplo c/padrões de tamanho =4
Classe 1 -> Quadrúpede(1)
Classe2 -> Bípede(-1)
N=1 W=[0 0 0 0]
	(p1)cão [1 -1 1 1]/1
	(p2)gato[1 1 1 1]/1
(p3)cavalo[1 1 -1 1]/1
	(p4)homem[-1 -1 -1 1]/-1
	(p5)galinha[-1 1 -1 1]/-1
	(p6)avestruz[1 -1 1 -1]/-1