Baixe o app para aproveitar ainda mais
Prévia do material em texto
Braga, Antônio de padua – redes neurais artificiais exercícios cap.01 e 03 1.1 – Quais os principais paradigmas de aprendizado? Descreva características de cada um deles e tipos de problemas aos quais ambos se aplicam. Aprendizado supervisionado: necessita de um professor para acompanhar o processo de aprendizado; a saída desejada é conhecida e informada para que a rede compare com a saída processada, em caso de erro a rede tenta corrigi-lo ate que a saída desejada seja fornecida. Aplica-se a problemas em que se deseja obter um padrão entre entrada e saída. Aprendizado não supervisionado: a saída desejada é obtida através de entradas repetitivas ate a rede reter o conhecimento. Não existe saída informada para comparação; não precisa de um professor para acompanhar o processo de aprendizado; regularidade e redundância nas entradas são características essenciais. Aplica-se a problemas que visam a descoberta de características relevantes nas entradas, como descoberta de classes ou agrupamentos. 1.3 – indique para cada uma das tarefas quais os tipos de treinamento indicados e justifique sua resposta. Aproximação de funções: supervisionado, pois o objetivo é mapear funções continuas das variáveis de entrada. Categorização de dados: não supervisionado, pois envolve a descoberta de categorias bem definidas nos dados de entrada. Classificação de dados: supervisionado, pois envolve a tarefa de atribuir a um padrão desconhecido uma entre varias classes já conhecidas. Previsão: supervisionado, deve-se estimar situações futuras com base em dados atuais e passados do sistema a ser modelado. 1.4 – aprendizado supervisionado pode ser implementado online ou off-line. Discuta as principais características de cada possibilidade e problemas aos quais cada uma se aplica. No modo off-line, os conjuntos de treinamentos não mudam e a soluçoa encontrada para a rede permanece fixa, já na online os dados mudam constantemente. 1.5 – resposta: no aprendizado supervisionado o supervisor externo fornece informações para a atualização dos pesos baseado no “erro”, o por reforço procura maximizar o reforço das boas ações praticadas pela rede. Trata-se de um processo de tentativa e erro que visa maximizar o chamado “sinal de esforço”. 1.6 – aprendizado hebbiano é considerado aprendizado não supervisionado, apesar de o treinamento ser feito com pares de entrada e saída. Discuta. Apesar de haver entradas e saídas, pode ocorrer de o neurônio pre-sinaptico pode ter influencia no pos-sinaptico, sendo assim a conexão entre eles deve ser reforçada caso isso aconteça. 3.1 – resposta: porque ambos tem diferentes finalidades. Perceptron serve para classificar padrões, adaline para aproximação de funções, ou seja, um é separador linear o outro aproximador linear. *Redes neurais? Elas aprendem a reconhecer padrões de informações estabelecidas no meio ambiente, são uteis onde a presença humana pode ser perigosa, tediosa ou impossível, tais como: Reatores nucleares; exploração espacial; operações militares; São técnicas computacionais que apresentam comportamento inspirado em organismos inteligentes e que adquirem conhecimento por meio da experiência. São métodos de solucionar problemas que utiliza um sistema que simula o cérebro humano e seu comportamento, ou seja, aprendendo por tentativa e erro. *Aprendizado: aprende por experiência, sem ter que haver a necessidade de explicação do algoritmo para a execução de uma determinada tarefa.
Compartilhar