1 / 34

UPE – Caruaru – Sistemas de Informação Disciplina: Redes Neurais Prof.: Paulemir G. Campos

UPE – Caruaru – Sistemas de Informação Disciplina: Redes Neurais Prof.: Paulemir G. Campos. Introdução a Redes Neurais (Parte 1). Roteiro da Aula. O que são Redes Neurais; História das Redes Neurais; Inspiração Biológica. Referências. O que são Redes Neurais. Definições.

Télécharger la présentation

UPE – Caruaru – Sistemas de Informação Disciplina: Redes Neurais Prof.: Paulemir G. Campos

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. UPE – Caruaru – Sistemas de InformaçãoDisciplina: Redes NeuraisProf.: Paulemir G. Campos Introdução a Redes Neurais (Parte 1) RN - Prof. Paulemir Campos

  2. Roteiro da Aula • O que são Redes Neurais; • História das Redes Neurais; • Inspiração Biológica. • Referências. RN - Prof. Paulemir Campos

  3. O que são Redes Neurais RN - Prof. Paulemir Campos

  4. Definições • Redes Neurais, ou melhor, Redes Neurais Artificiais (RNAs) são modelos de computação com propriedades particulares: • Capacidade de se adaptar ou aprender; • Generalizar; • Agrupar ou organizar dados. RN - Prof. Paulemir Campos

  5. Definições • RNAs: • estruturas distribuídas formadas por grande número de unidades de processamento conectadas entre si; • Multi-disciplinaridade: • Ciência da Computação, Matemática, Física, Engenharias, Psicologia, Biologia, Lingüística, Filosofia, etc. RN - Prof. Paulemir Campos

  6. Definições • Modelos inspirados no cérebro humano: • Compostas por várias unidades de processamento (“neurônios” ou nodos) interligadas por um grande número de conexões (“sinapses” ou pesos). • Eficientes onde métodos tradicionais têm se mostrado inadequados. RN - Prof. Paulemir Campos

  7. Exemplo de RNA RN - Prof. Paulemir Campos

  8. Principais Características • Aprendem através de exemplos; • Adaptabilidade; • Capacidade de generalização; • Tolerância a falhas; • Implementação rápida. RN - Prof. Paulemir Campos

  9. História das Redes Neurais RN - Prof. Paulemir Campos

  10. Introdução • Inter-relação entre • Investigação do comportamento e estrutura do sistema nervoso através de experimentação e modelagem biológica; • Desenvolvimento de modelos matemáticos e suas aplicações para a solução de vários problemas práticos. • Simulação e implementação destes modelos. RN - Prof. Paulemir Campos

  11. A Origem • (384-322 a. C.) Aristóteles escreveu: • “De todos os animais, o homem, proporcionalmente, tem o maior cérebro.” • (1700) Descartes acreditava que mente e cérebro eram entidades separadas; • (1911) Ramon e Cajal introduzem a idéia de neurônios como estruturas básicas do cérebro. RN - Prof. Paulemir Campos

  12. A Década de 1940: O Começo • (1943) McCulloch & Pitts: • Provam, teoricamente, que qualquer função lógica pode ser implementada utilizando unidades de soma ponderada e threshold (limiar); • (1949) Hebb desenvolve algoritmo para treinar RNA (aprendizado Hebbiano): • Se dois neurônios estão simultaneamente ativos, a conexão entre eles deve ser reforçada. RN - Prof. Paulemir Campos

  13. 1950-1960: Anos de Euforia • (1958) Von Neumann mostra interesse em modelagem do cérebro (RNA): • “The Computer and the Brain”, Yale University Press • (1959) Rosenblatt implementa primeira RNA, a rede Perceptron: • Ajuste iterativo de pesos; • Prova teorema da convergência. RN - Prof. Paulemir Campos

  14. Década de 1970: Pouca Atividade • (1969) Minsky & Papert analisam Perceptron e mostram suas limitações: • Não poderiam aprender a resolver problemas simples como o OU-exclusivo; • Causou grande repercussão. RN - Prof. Paulemir Campos

  15. Década de 1970: Pouca Atividade • (1971) Aleksander propõe Redes Booleanas; • (1972) Kohonen e Anderson trabalham com RNA Associativas; • (1975) Grossberg desenvolve a Teoria da Ressonância Adaptiva (redes ART). RN - Prof. Paulemir Campos

  16. Década de 1980: A Segunda Onda • (1982) Hopfield mostra que Redes Neurais podem ser tratadas como sistemas dinâmicos; • (1986) Hinton, Rumelhart e Williams, propõem algoritmo de aprendizagem para redes multi-camadas: • Parallel Distribuited Processing • Paul Werbos (1974) RN - Prof. Paulemir Campos

  17. Inspiração Biológica RN - Prof. Paulemir Campos

  18. Introdução • O cérebro humano contém cerca de 1011 neurônios; • Cada neurônio processa e se comunica com milhares de outros neurônios continuamente e em paralelo. RN - Prof. Paulemir Campos

  19. Introdução • O cérebro humano é responsável por: • Emoção; • Pensamento; • Percepção; • Cognição; • Execução de funções sensoriomotoras e autônomas. RN - Prof. Paulemir Campos

  20. Introdução • Por sua vez, a rede de neurônios do cérebro é capaz de: • Reconhecer padrões e relacioná-los; • Usar e armazenar conhecimento por experiência; • E, interpretar observações. RN - Prof. Paulemir Campos

  21. Introdução • Contudo, o funcionamento das redes biológicas ainda não foi totalmente desvendado pelo homem; • Ou seja, não se sabe ao certo a forma como as funções cerebrais são realizadas. RN - Prof. Paulemir Campos

  22. Introdução • Por outro lado, a estrutura básica das redes de neurônios naturais é conhecida; • As RNAs baseiam-se justamente nesta estrutura fisiológica. RN - Prof. Paulemir Campos

  23. Neurônios Biológicos • Célula fundamental do cérebro humano; • Dividem-se em três seções: • Corpo Celular; • Dendritos; • Axônio. RN - Prof. Paulemir Campos

  24. Neurônios Biológicos • Corpo Celular • Mede apenas alguns milésimos de milímetros; • Local onde a informação é processada e onde novos impulsos são gerados. RN - Prof. Paulemir Campos

  25. Neurônios Biológicos • Dendritos • Possuem poucos milímetros de comprimento; • Recebem as informações (ou impulsos nervosos) oriundas de outros neurônios e as conduz até o corpo celular. RN - Prof. Paulemir Campos

  26. Neurônios Biológicos • Axônio • É mais longo que os dendritos e, em geral, tem calibre uniforme; • Transmite os impulsos nervosos a outros neurônios. • O ponto de contato entre a terminação axônica de um neurônio com o dendrito de outro é chamado de sinapse. RN - Prof. Paulemir Campos

  27. Neurônios Biológicos • Os neurônios se unem funcionalmente pelas sinapses, formando redes neurais. • As sinapses: • Funcionam como válvulas; • Controlam a transmissão de impulsos, ou seja, o fluxo de informação entre os nodos da rede neural. RN - Prof. Paulemir Campos

  28. Neurônio Biológico Estrutura Microscópica Fonte: Adaptado de http://gballone.sites.uol.com.br/atlas/neuron.htm RN - Prof. Paulemir Campos

  29. Neurônio Biológico Ligações Sinápticas Fonte: Adaptado de http://gballone.sites.uol.com.br/atlas/neuron.htm RN - Prof. Paulemir Campos

  30. Neurônios Artificiais • Modelo MCP • Proposto por McCulloch e Pitts (1943); • É uma simplificação do neurônio biológico; • Possui n terminais de entradaX1, X2, ..., Xn (representando os dendritos); • Apenas um terminal de saídaY (representando o axônio); RN - Prof. Paulemir Campos

  31. Neurônios Artificiais • Modelo MCP (Continuação) • E, os terminais de entrada do neurônio têm pesos acoplados W1, W2, ..., Wn emulando o comportamento das sinapses, cujos valores podem ser positivos ou negativo. RN - Prof. Paulemir Campos

  32. Neurônios Artificiais • Um nodo MCP tem sua saída ativa (Y=1) quando: • onde: n – número de entrada; Wi – peso associado à entrada Xi; θ – é o limiar (threshold) do neurônio; Σ XiWi – soma ponderada das entradas do neurônio. RN - Prof. Paulemir Campos

  33. Neurônio Artificial Modelo de McCulloch e Pitts Fonte: BRAGA et. al., 2000, pág. 9 RN - Prof. Paulemir Campos

  34. Referências • Braga, A. P.; Ludermir, T. B. e Carvalho, A. C. P. L. F. Redes Neurais Artificiais: Teoria e Aplicações. Editora LTC, 2000. • Notas de aulas da Profa. Teresa B. Ludermir e do Prof. Aluízio Araújo, ambos do CIn/UFPE. RN - Prof. Paulemir Campos

More Related