Baixe o app para aproveitar ainda mais
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.
Compartilhar