Relatório redes neurais

Prévia do material em texto

Universidade do Oeste de Santa Catarina
Árrea das Ciecncias Exatas e Tecnolocagicas
Curso de Engenharia de Computaçaoo
Componente Curricular: Inteligecncia Ártificial II
Ácadecmicos: Diego Menegazzi, Eduarda I. Barbieri e Patricia Comunello
Professor: Geovani Rodrigo Scolaro
Implementação de uma rede neural Multi-layer Percepreton em hardware para
monitoramento de temperaturas
O trabalho apresenta um estudo sobre a utilizaçaoo de rede neural Multi-Layer
Perceptron com o seu treinamento efetuado no algoritmo Backpropagation utilizando
funçaoo logíscastica.
Tendo em vista o tipo de rede e o algoritmo de aprendizagem, foram desenvolvidos
algoritmos em linguagem de programaçaoo C para as plataformas PC e PIC18F4550.
Foi desenvolvido um cocadigo para uma rede neural com uma entrada, dez neurocnios na
camada intermediacaria e trecs neurocnios na camada de saíscada, gerando a seguinte
topologia:
Figura 1: Topologia da rede neural.
cx
Camada 
de 
entrada
c1
Camada 
oculta
c2
Camada 
de saída
Para este algoritmo, utilizou-se dados de entradas e saíscadas, definindo faixas de
temperaturas, conforme a tabela abaixo.
Faixas de
temperaturas
Padrooes de entradas Frio Morno Quente
0 – 20 °C
0.00 0 0 0
0.10 0 0 0
0.20 0 0 0
0.30 0 0 0
21 – 29 °C
0.40 0 0 1
0.50 0 0 1
0.60 0 0 1
30 – 50 °C
0.70 0 1 1
0.80 0 1 1
0.90 0 1 1
Tabela 1: Tabela de entradas e saídas.
O treinamento foi feito apresentado a possibilidade de entrada com suas respectivas
saíscadas desejadas, verificando a diferença entre cada saíscada obtida e sua respectiva saíscada
desejada. Cada uma dessas diferenças eca armazenada em uma variacavel erro, utilizada no
algoritmo “backpropagation” para atualizar os pesos da rede, os corrigindo de modo
com que o erro diminua ao longo das iteraçooes.
Utilizamos uma taxa de aprendizado de 0.1, com um nucamero macaximo de 500 ecapocas de
treinamento e entradas randomizadas, o que gerou as seguintes saíscadas:
Padrooes de
entrada
Saíscadas Comportamento obtido
c2[0] c2[1] c2[2] Neurocnio 1
0.075 0.068000 0.095000 0.053000 0.089000
0.046 0.037000 0.067000 0.025000 0.077000
0.092 0.072000 0.034000 0.074000 0.015000
0.028 0.002000 0.032000 0.087000 0.014000
0.054 0.074000 0.017000 0.042000 0.082000
0.043 0.089000 0.089000 0.002000 0.094000
0.093 0.033000 0.018000 0.080000 0.044000
0.012 0.032000 0.001000 0.090000 0.057000
0.020 0.001000 0.087000 0.055000 0.072000
0.004 0.003000 0.089000 0.017000 0.019000
Tabela 2: Padrões de entrada e saídas obtidas da rede neural.
O que gerou o seguinte gracafico de treinamento:
Ápocas o treinamento, os pesos sinacapticos apresentados acima, foram utilizados para
desenvolver o cocadigo para o hardware, onde foram realizadas locagicas para reconhecer
temperaturas conforme as faixas de temperaturas apresentadas na figura 1.
Segue abaixo figuras do supervisocario e hardware em funcionamento.
Figura 2: Gráfico do treinamento.
Quando temperatura entre 0 a 20 graus acende o led branco.
Figura 3: Tela inicial supervisório.
Figura 4: Hardware detectando temperatura 0 à 20 graus
Quando temperatura entre 21 a 29 graus acende led verde.
Quando temperatura entre 30 a 50 graus acende led amarelo.
Figura 5: Hardware detectando temperatura 21 à 29 graus.
Figura 6: Hardware detectando temperatura 30 à 50 graus.
Esquemacatico utilizado para desenvolvimento da placa didacatica.
Figura 7: Esquemático placa didática.
Figura 8: Esquemático placa didática.
Este algoritmo funcionou de maneira esperada, mostrando que a funçaoo
“backpropagation” e treinamento no algoritmo em linguagem C estavam apresentando a
funcionalidade esperada.
Referências 
Disponíscavel em: <http://www.inf.ufrgs.br/~alvares/INF01048IÁ/aula2_renan.pdf> .
Ácesso em: 26 mar 2016. 
Disponíscavel em:
<http://equipe.nce.ufrj.br/thome/grad/nn/mat_didatico/dicas_configuracao_rna.pdf> .
Ácesso em: 26 mar 2016. 
Disponíscavel em:
<ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/ia353_1s13/topico4_P1_1s2013_vie
w.pdf> . Ácesso em: 08 abr 2016. 
Haykin, S. (2001). Redes Neurais: Princíscapios e Pracatica. Porto Álegre: Bookman
MICROCHIP. PIC18F2455/2550/4455/4550 Data Sheet, U.S.Á: 2009.