Baixe o app para aproveitar ainda mais
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
Compartilhar