Tópico 02 - 02 02 2021

Prévia do material em texto

SISTEMAS 
INTELIGENTES NA 
PRODUÇÃO 
INDUSTRIAL
Docente: Dieigo Sá Gaia
02. Redes Neurais Artificiais
1 – Redes Neurais Artificiais 
• Na busca pela construção de máquinas inteligentes, ou com
comportamento inteligente, um modelo que ocorre naturalmente é o
cérebro humano.
• O desenvolvimento das Redes Neurais Artificiais (RNAs) tomou como
inspiração a estrutura e o funcionamento do sistema nervoso, com o
objetivo de simular a capacidade de aprendizado do cérebro humano
na aquisição de conhecimento.
• As RNAs são baseadas em modelos abstratos de como pensamos que
o cérebro (e os neurônios) funciona.
1.1 – Sistema Nervoso
• O sistema nervoso, do qual faz parte o cérebro, é uma conjunto
complexo de células que determinam o funcionamento e o
comportamento dos seres vivos.
1.2 – Componentes Básico das RNAs
• As RNAs são sistemas computacionais distribuídos compostos de
unidades de processamento simples, densamente interconectadas.
• Essas unidades, conhecidas como neurônios artificiais, computam
funções matemáticas.
• Uma RNA é portanto caracterizada por dois aspectos básicos:
arquitetura e aprendizado.
1.2 – Componentes Básico das RNAs
(Arquitetura)
1.2 – Componentes Básico das RNAs
(Arquitetura)
1.2 – Componentes Básico das RNAs
(Arquitetura)
1.2 – Componentes Básico das RNAs
(Arquitetura)
1.2 – Componentes Básico das RNAs
(Arquitetura)
1.2 – Componentes Básico das RNAs
(Aprendizado)
• Os algoritmos podem ser divididos em quatro grupo:
1) Correção de erro;
2) Hebbiano;
3) Competitivo;
4) Termodinânico (Boltzmann).
1.3 – Redes Perceptron
• A primeira RNA a ser implementada foi a rede perceptron,
desenvolvida por Resenblatt (1958).
• Apresenta uma camada de neurônios.
1.3 – Redes Perceptron
• Alguns anos após propor a rede perceptron, Rosenblatt provou o
teorema de convergência da rede perceptron, que diz que, se é
possível classificar um conjunto de entradas linearmente, uma rede
perceptron fará a classificação.
• As redes perceptron foram propostas para a solução de problemas de
classificação.
1.3 – Redes Perceptron
• Uma limitação das redes de uma camada é que elas conseguem
classificar apenas objetos que são linearmente separáveis.
1.4 –Perceptron Multicamadas (MLP)
• Segundo Cybenko (1989), uma rede com uma camada intermediária
pode implementar qualquer função contínua .
1.5 –Algoritmo Back-propagation
1.6 – Projeto da Arquitetura de uma RNA
Geralmente a arquitetura é definida por um processo de busca
exaustiva que pode ser realizada por diferentes abordagens:
• Empírica;
• Meta-heurística;
• Poda;
• Construtiva;
1.7 – Vantagens e Desvantagens
Geralmente a arquitetura é definida por um processo de busca
exaustiva que pode ser realizada por diferentes abordagens:
• Empírica;
• Meta-heurística;
• Poda;
• Construtiva;
• Obrigado!