Cérebro
Artificial Intelligence, a modern approach
Franck Bellemain, CIn - UFPE
[email protected]
Computador vs cérebro
Franck Bellemain, CIn - UFPE
[email protected]
Rede neural
• Redes neurais procuram simular o
funcionamento do cérebro definindo
uma rede de operadores (neurônios).
• Cada operador calcula um nível de
ativação em função das ativações que
ele recebe.
Franck Bellemain, CIn - UFPE
[email protected]
Neurônio
Nesse modelo, um neurônio é definido da forma seguinte:
a i  g ( Wi , ja j )
j
Franck Bellemain, CIn - UFPE
[email protected]
Exemplo de funções de ativação
Franck Bellemain, CIn - UFPE
[email protected]
Estrutura de redes neurais
• A caracterização de redes neurais
inspira-se do funcionamento do
cérebro. As definições de estruturas de
redes não procuram copiar estruturas
internas do cérebro.
• Assim, com a definição de neurônio,
podemos conceber múltiplas estruturas.
Em geral, as redes mais estudadas são
“feed-forward” e algumas redes
“recurrent”.
Franck Bellemain, CIn - UFPE
[email protected]
Redes “feed-forward”
As redes feed-forward são
constituídas de unidades
de entrada, de saída e
eventualmente unidades
escondidas organizadas
em camadas (layers).
– As unidades de entrada recebem um sinal,
– As unidades de saída dão o resultado da
ativação,
– As unidades escondidas são as outras unidades
que participam da determinação do estado da rede,
sem ser de saída ou entrada.
Franck Bellemain, CIn - UFPE
[email protected]
Redes de perceptrons
Um caso particular de
rede “feed-forward”
que só tem unidades
de entrada e saída é
chamado perceptron.
Uma rede de tipo
perceptron pode ser
decomposta em
vários perceptrons.
Franck Bellemain, CIn - UFPE
[email protected]
Aprendizagem
• No contexto de redes neurais, a aprendizagem
consista na determinação dos valores dos
pesos (Wi,j).
• Essa aprendizagem ocorra com o treinamento
da rede sobre exemplo com resultados
conhecidos.
• O erro (diferencia entre o resultado da rede e o
resultado conhecido) modifica os pesos (Wi,j)
para ser minimizada.
• O algoritmo (“back propagation”) vai
repercutindo as modificação das saídas ate as
entradas.
Franck Bellemain, CIn - UFPE
[email protected]
Aprendizagem (perceptron)
• Err=O - T (O=saída da rede, T=saída
correta)
• Wj <- Wj + a x Ij x Err
a é o coeficiente de aprendizagem
(learning rate)
Franck Bellemain, CIn - UFPE
[email protected]
Aprendizagem (Feed-forward)
• Wj,i
• Wk,j
<-
Wj,i + a x aj x Di, Di é Erri
<-
x
g’(ini)
Wk,j + a x Ik x Dj, Dj é g’(inj)
x
S(Wj,i x Dj)
Franck Bellemain, CIn - UFPE
[email protected]
Redes “recurrent”
Uma rede “recurrent” pode ter qualquer
topologia. Existem dois tipos mais conhecidos:
– Rede Hopfield
•
•
•
•
Todas unidades são saídas e entradas,
Bidirecional conexões com pesos simétricos,
A função de ativação é a função signo (±1),
Associativa memória.
– Maquina Boltzmann
• Bidirecional conexões com pesos simétricos,
• Tem unidades escondidas,
• A função de ativação é resultado de uma probabilidade
sobre a soma dos pesos da unidade.
Franck Bellemain, CIn - UFPE
[email protected]
Dificuldade
• Determinar a topologia a mais adaptada
para resolver tipos de problemas:
–
–
–
–
Pesquisar dentro de conjunto de redes,
usar e adaptar outras redes,
começar com uma pequena rede e ampliar,
começar com uma grande rede e diminuir.
Franck Bellemain, CIn - UFPE
[email protected]
Discussão
•
•
•
•
•
•
Expressividade
Tempo de calculo
Generalidade
Sensibilidade para “noise”
Transparência
Conhecimento inicial
Franck Bellemain, CIn - UFPE
[email protected]
Caso do nariz
• Cada sensor determina a presencia de
um componente químico. Sistema de
sensores que produz uma tabela de
componentes identificados: um padrão.
• A rede, depois de uma aprendizagem,
reconhece diversas odores.
http://www.emsl.pnl.gov:2080/proj/neuron/papers/keller.mmvr95.abs.html
http://www.emsl.pnl.gov:2080/proj/neuron//neural/papers/
Franck Bellemain, CIn - UFPE
[email protected]
Um exemplo
• Exemplo de uma rede “feed-forward”
usada para a detecção de combinação
de 8 componentes.
Franck Bellemain, CIn - UFPE
[email protected]
Tele-cheiro
• Descrição de um sistema de reconhecimento e
reconstrução a distancia de cheiros.
Franck Bellemain, CIn - UFPE
[email protected]