Inteligência Artificial e Redes Neurais

Prévia do material em texto

L 
Universidade Luterana do Brasil
ULBRA – Campus Torres
Pró-Reitoria de Graduação 
	
Tipo de atividade:
Prova ( ) Trabalho ( ) ..... ( ) 
Avaliação:	G1 ( )	G2 ( ) 
Substituição de Grau: 	G1 ( ) 	G2 ( )
	Curso: STADS
	Disciplina: IA
	Data: 03/06/17
	Turma: 
	Professor(a): 
	Valor da Avaliação: 
Nota: 
	Acadêmico(a): 				 	 n°: 
	
Atividade de Revisão G2
O que é Inteligência Artificial? 
Projeto e desenvolvimento de programas de computador que tentam imitar a inteligência humana e funções de tomada de decisão, obtendo raciocínio e outras características humanas.
Quais são as principais áreas de IA? Quais as principais soluções desenvolvidas com o apoio da mesma?
	Robotica, Internet das Coisas, Bigdata.
Eletrodomésticos, Jogos e brinquedos eletrônicos, Robótica e automação industrial, Verificação automática de software, Otimização e controle de processos, Processadores de linguagem natural, Bancos de dados dedutivos e mineração de dados, Aprendizagem, planejamento e escalonamento de tarefas, Reconhecimento de imagens, sons, cheiros e sabores.
O que são Redes Neurais Artificiais? Quais elementos a constituem?
	O conjunto de diversos neurônios formam a rede neural. As entradas podem estar conectadas em muitos neurônios com vários pesos, resultando uma série de saídas, uma para cada neurônio.
 Para o caso de haver diversos pontos de saída que combinados representam determinada ação ou objeto do mundo real, deverão haver também, o mesmo número de neurônios.
Camada de entrada: o número de neurônios vai depender do tamanho do vetor utilizado para representar o objeto. Sua função é armazenar a informação de entrada para esta ser passada para a camada seguinte.
Camada de Saída: o número de neurônios deverá ser, no mínimo igual, a quantidade de objetos a serem reconhecidos.
Camada escondida (oculta, intermediária): situam-se entre as camadas de entrada e saída. Não existe uma regra para determinar o número de camadas ocultas. Cálculo empírico determina o número de neurônios da camada oculta, resultado da média geométrica ou aritmética dos neurônios da camada de entrada e saída. Ainda é alvo de pesquisas.
Exemplo:Se uma rede neural é projetada para reconhecer os algarismos numéricos, esta rede obrigatoriamente deverá possuir, no mínimo, 10 neurônios de saída, cada um representando um dos números (0 a 9).
Quais são as partes que compõem um neurônio artificial? Explique a função de cada uma delas? 
	Camada de entrada: o número de neurônios vai depender do tamanho do vetor utilizado para representar o objeto. Sua função é armazenar a informação de entrada para esta ser passada para a camada seguinte.
Camada de Saída: o número de neurônios deverá ser, no mínimo igual, a quantidade de objetos a serem reconhecidos.
Camada escondida (oculta, intermediária): situam-se entre as camadas de entrada e saída. Não existe uma regra para determinar o número de camadas ocultas. Cálculo empírico determina o número de neurônios da camada oculta, resultado da média geométrica ou aritmética dos neurônios da camada de entrada e saída. Ainda é alvo de pesquisas.
Quais são as principais aplicações das RNA`s? Cite dois casos de sucesso.
	
	Facebook: Usa algoritmo para detectar quais as áreas de mais interessante através das curtidas.
	Instagram: Usa buscar como formas de publicidade a público ao nos usuários do aplicativo.
	
Quais são as possíveis camadas de uma rede neural? Comente as topologias estudadas. 
Uma rede neural é formada em camadas, possuindo no mínimo uma camada de entrada e uma camada de saída.
Camada de entrada – o número de neurônios vai depender do tamanho do vetor utilizado para representar o objeto. – sua função é armazenar a informação de entrada para esta ser passada para a camada seguinte.
Camada de saída – o número de neurônios deverá ser, no mínimo igual, a quantidade de objetos a serem reconhecidos.
Explique o processo de aprendizado em uma RNA. Para que é utilizado este processo? Quais são os tipos de aprendizados das RNA’s? 
Redes neurais possuem capacidade de aprenderem através de exemplos. Na aprendizagem das rede não procura-se obter regras como na abordagem simbólica de IA, mas sim determinar o valor dos pesos. O conhecimento é implicitamente armazenado nas conexões entre neurônios.
aprendizado supervisionado:a cada exemplo apresentado a rede é observado o sinal de saída da rede, caso não seja o esperado é introduzida uma correção.
 exemplo: reconhecimento dos caracteres A e B 
• dois neurônios de saída 
• alguns neurônios na camada de oculta
 • um número de neurônios, na camada de entrada, capaz de representar os caracteres.
Aprendizado não supervisionado:
 também conhecido como aprendizado auto supervisionado.
 – não requer saídas desejadas.
 – não precisa de “professores” para o seu treinamento. 
 – para o treinamento são utilizados apenas os valores de entrada.
 – a rede trabalha essas entradas e se organiza de modo que acabe classificando-as utilizando para isso seu próprios critérios.
Considerando as três funções de transferência estudadas, determine a saída dos neurônios a seguir:
2
1
?
2
-3
	
2
-3
 ?
	
	
1
?
3
-1
-1
?
	
2
?
-2
1
O que são Sistemas Especialistas? Qual a sua estrutura?
SE são sistemas de IA desenvolvidos para servirem como consultores na tomada de decisões que envolvam áreas restritas da ciência.	São sistemas que utilizam o conhecimento de um ou mais especialistas codificando em um programa que o aplica na resolução de problemas.
São transparentes quanto ao raciocínio • São capazes de ensinar ao usuário • São capazes de adquirir novos conhecimentos • Incluem tratamento de dúvidas nas respostas do usuário. • Incluem tratamento de incertezas das regras contidas no banco.
Quais são os principais tipos de SE’s? 
Sistemas de classificação – acumulam evidências e seus pesos relativos para caracterizar um certo caso como pertencente a uma entre um conjunto de dados de categoria de casos. – exemplo: diagnósticos.
Sistemas de interpretação – buscam explicar dados observados atribuindo-lhes significados simbólicos que descrevam a situação que os gerou. – exemplos: sistemas de supervisão, análise de imagem, identificação de estruturas químicas, outros.
Sistemas de projeto – desenvolvem configurações de objetos que satisfaçam características preestabelecidas. – exemplo: projetos de engenharia e configurações de componentes digitais.
Sistemas de depuração – identificam erros em sistemas e apresentam soluções possíveis. – exemplo: depuração de programas.
Sistemas de reparos – projetam e executam planos para solucionar falhas diagnosticadas em sistemas. – exemplo: manutenção de aviões, carros, computadores, outros.
Sistemas de instrução – acompanham a evolução do aprendido de estudantes reconhecendo suas fraquezas e propondo soluções. – exemplo: tutores inteligentes.
Sistemas de controle – realizam a supervisão do funcionamento geral de um sistema. – exemplo: emissões de guerras, controle de batalhas, outros.
Como se dá o processo de desenvolvimento de um sistema especialista? Quais são as partes desenvolvidas?
	Construção –
 Engenheiro de conhecimento 
• profissional responsável por construir o SE 
• deve dominar as ferramentas de desenvolvimento e as linguagens de representação do conhecimento. 
– Obtenção do conhecimento:
 • Privado – obtido através de entrevistas com especialistas no assunto. 
 • Público – obtido através de consulta a livros e resistas especializadas.
Utilização – quando pronto, o SE poderá ser utilizados para resolver problemas de usuários não-especialistas.
	
O que são fatores de confiança? No que eles influenciam?
	Ter um software para identificar melhor possiblidade em tomadas de decisõe sem sistemas especialistas, que podem identificar algo e dar a melhorresposta para efetuar a uma ação.
A construção de um SE pode ser dividida em 5 fases? Quais são elas e o que é feito em cada uma dela?
interface – um SE de possuir duas interfaces: • interface com o usuário • interface de desenvolvimento
Aquisição do conhecimento – é o módulo do SE responsável por acumular, transferir e transformar o expertise do especialista para a base de conhecimento.
Base de conhecimento – todo o conhecimento sobre o problema está representado neste módulo. – parte central do SE – conhecimento obtido de forma factual e/ou heurística.
Motor de inferência – contém o conjunto de métodos que seleciona e aplicam o conhecimento contido no banco de conhecimento.
O que é aquisição do conhecimento? Quais são os principais métodos utilizados para realizar a mesma?
	Aquisição de conhecimento é aforma qual o programa recebe regras para entender os problemas. Treinaemnto de redes neurais para ter um treinamento podendo dar uma resposta para o usuario.
O que são as regras de produção em um sistema especialista?
	O conhecimento e representado através de um conjunto de fatos e de regras de produção. • Sistema baseado em regras caracteriza-se por: – incorporar conhecimento heurístico em regras do tipo: SE – ENTÃO – combinar regras simples para a resolução de um problema – ter capacidade de explicar qualquer conclusão.
Sistema composto de duas partes: – base de conhecimento: conjunto de regras de produção. – máquina de inferência: diz como manipular as regras. • Vantagem – garante a validade dos novos fatos inferidos. – forma de representação legível • Desvantagem – falta de organização entre as regras – demorada a recuperação de informações
Desenvolva o seguinte SE e faça os testes para descobrir as possíveis respostas.
) OBJETIVOS: enchentes e evacuação
	→ Se for entre os meses de maio e outubro a estação de chuva.
	→ Se for entre os meses de novembro e abril a estação de seca.
	→ Se a precipitação do rio for nenhuma e a estação for de seca a chance de enchente é nenhuma.
	→ Se a precipitação do rio for nenhuma e a estação for de chuva a chance de enchente é baixa.
	→ Se a precipitação do rio for pouca a chance de enchente é nenhuma.
	→ Se a precipitação do rio for muita a chance de enchente é alta.
	→ Se o nível do rio for baixo nem a enchente e nem a evacuação ocorrerão.
	→ Se o nível do rio for normal ou baixo e a chance de enchente é nenhuma ou baixa nem a enchente e nem a evacuação ocorrerão.
	→ Se o nível do rio for normal e a chance de enchente é alta e a chuva for forte a ocorrência de enchente é de 40%, mas não haverá evacuação.
	→ Se o nível do rio for normal e a chance de enchente é alta e a chuva for média não haverá enchente e nem evacuação.
	→ Se o nível do rio for alto e a chance de enchente é alta e a chuva for nenhuma ou fraca a ocorrência de enchente é de 50% e a ocorrência de evacuação é de 20%.
	→ Se o nível do rio for alto e a chance de enchente é alta e a chuva for forte ocorrerá enchente, porém a chance de evacuação é de 80%.
	→ Se a altura do rio for menor que 10 o nível do rio é baixo.
	→ Se a altura do rio for entre 10 e 16 o nível do rio é normal.
	→ Se a altura do rio for maior que 16 o nível do rio é alto.
	→ Se a previsão do tempo for ensolarado a chuva será nenhuma.
	→ Se a previsão do tempo for nublado a chuva será fraca.
	→ Se a previsão do tempo for tempestade a chuva será forte.
 
Missão – Desenvolver, difundir e preservar o conhecimento e a cultura pelo ensino, pesquisa e extensão, buscando permanentemente a excelência no atendimento das necessidades de formação de profissionais qualificados e empreendedores nas áreas da educação, saúde e tecnologia (PDI, p. 93). 
Visão - Ser uma instituição de referência no Ensino Superior em cada localidade em que atua e estar entre as dez melhores do pais até o ano de 2015 (PDI, p. 94).