Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Exercício 1) Dada uma rede Perceptron com: Dois terminais de entrada da porta lógica AND, utilizando pesos iniciais w1 = 0.6, w2 = -1.2 e limiar = 0.3: a) Ensinar a rede com os dados (11, +1) e (10, -1) Utilizar taxa de aprendizado = 0.4 b) Definir a classe dos dados: 00, 01 1 1 Exercício 1) AND x1 x2 d Limiar 11 10 +1 -1 Situação desejada 2 2 Exercício 1) a) Treinar a rede a.1) Para o dado 11 (yd = +1) Passo 1: definir a saída da rede u = 1(0.6) + 1(-1.2) +1(0.3) = -0.3 y = -1 (uma vez -0.3 <0) Passo 2: atualizar pesos (y yd) w1 = 0.6 + 0.4(1)(1 - (-1)) = 1.4 w2 = -1.2+ 0.4(1)(1 - (-1)) = -0.4 w0 = 0.3 + 0.4(1)(1 - (-1)) = 1.1 (bias) 11 10 +1 -1 3 3 Exercício 1) a) Treinar a rede a.2) Para o dado 10 (yd = -1) Passo 1: definir a saída da rede u = 1(1.4) + 0(-0.4) -1(1.1) = 0.3 y = +1 (uma vez 0.3 0) Passo 2: atualizar pesos (y yd) w1 = 1.4 + 0.4(1)(-1 - (+1)) = 0.6 w2 = -0.4 + 0.4(0)(-1 - (+1)) = -0,4 w0 = 1.1 + 0.4(-1)(-1 - (+1)) = 1.1 (bias) 11 10 +1 -1 4 4 Exercício 1): resposta a) a) Treinar a rede a.4) Para o dado 11 (yd = +1) Passo 1: definir a saída da rede u = 1(0.6) + 1(-0.4) +1(1.1) = +1.3 y = +1 (uma vez 1.3 ≥ 0) Passo 2: atualizar pesos Como y = yd, os pesos não precisam ser modificados 11 10 +1 -1 5 5 Exercício 1): resposta a) a) Treinar a rede a.3) Para o dado 10 (yd = -1) Passo 1: definir a saída da rede u = 1(0.6) + 0(-0.4) -1(1.1) = -0.5 y = -1 (uma vez -0.5 < 0) Passo 2: atualizar pesos Como y = yd, os pesos não precisam ser modificados 11 10 +1 -1 6 6 Exercício 1): resposta b) b) Testar a rede b.1) Para o dado 01 u = 0(0.6) + 1(-0.4) -1(1.1) = -1.5 y = -1 (porque -1.5 <0) ) classe 0 b.2) Para o dado 00 u = 0(0.6) + 0(-1.2) -1(1.1) = -1.1 y = -1 (porque -1.1 < 0) classe 0 7 7 Exercício 2) Dada uma rede Perceptron com: Dois terminais de entrada da porta lógica OR, utilizando pesos iniciais w1 = 0.6, w2 = -1.2 e limiar = 0.3: a) Ensinar a rede com os dados (11, +1) e (00, -1) Utilizar taxa de aprendizado = 0.4 b) Definir a classe dos dados: 01, 10 8 8 Exercício 2) x1 x2 d Limiar 11 00 +1 -1 Situação desejada OR 9 9 Exercício 2) a) Treinar a rede a.1) Para o dado 11 (yd = +1) Passo 1: definir a saída da rede u = 1(0.6) + 1(-1.2) +1(0.3) = -0.3 y = -1 (uma vez -0.3 <0) Passo 2: atualizar pesos (y yd) w1 = 0.6 + 0.4(1)(1 - (-1)) = 1.4 w2 = -1.2+ 0.4(1)(1 - (-1)) = -0.4 w0 = 0.3 + 0.4(1)(1 - (-1)) = 1.1 (bias) 11 00 +1 -1 10 10 Exercício 2): resposta a) a) Treinar a rede a.2) Para o dado 00 (yd = -1) Passo 1: definir a saída da rede u = 0(1.4) + 0(-0.4) -1(1.1) = -1.1 y = -1 (uma vez -1.1 < 0) Passo 2: atualizar pesos Como y = yd, os pesos não precisam ser modificados 11 00 +1 -1 11 11 Exercício 2): resposta a) a) Treinar a rede a.4) Para o dado 11 (yd = +1) Passo 1: definir a saída da rede u = 1(1.4) + 1(-0.4) +1(1.1) = +2.1 y = +1 (uma vez 2.1 ≥ 0) Passo 2: atualizar pesos Como y = yd, os pesos não precisam ser modificados 11 00 +1 -1 12 12 Exercício 2): resposta b) b) Testar a rede b.1) Para o dado 01 u = 0(1.4) + 1(-0.4) +1(1.1) = 0.7 y = +1 (porque 0.7 0) classe 1 b.2) Para o dado 10 u = 1(1.4) + 0(-0.4) +1(1.1) = 2.5 y = +1 (porque 2.5 0) ) classe 1 13 13
Compartilhar