2COP229
Inteligência Computacional
Aula 6
RNA – Radial Basis Function
[email protected]
2COP229
Inteligência Computacional
Sumário
1- Introdução
2- Processo de Treinamento
2.1 Camada Intermediária
2.2 Camada Saída
3- Aplicabilidade
4- Projeto Prático
[email protected]
2COP229
Inteligência Computacional
1- Introdução
- Redes com função de base radial – Radial Basis Function (RBF).
- Diferentemente da MLP, possui apenas uma camada intermediária com funções de
ativação, na marioria dos casos, do tipo gaussiana.
[email protected]
2COP229
Inteligência Computacional
1- Introdução
- Estratégia de treinamento diversificada:
- Primeira camada é tratada como não supervisionada.
- Segunda camada (camada final) é supervisionada.
- Segue a arquitetura feedforward de camadas múltiplas;
- Aplicações semelhantes à MLP. A imagem apresenta uma MLP com 2 neurônios e uma
RBF com apenas 1.
[email protected]
2COP229
Inteligência Computacional
2 – Processo de Treinamento – Camada Intermediária
- Estratégia auto-organizada, não apresentando supervisão.
- A função de ativação é uma função do tipo gaussiana:
g (u)  e
( u c ) 2

2 ²
c: centro da função gaussiana
σ²: variância
u: potencial de ativação
[email protected]
2COP229
Inteligência Computacional
2 – Processo de Treinamento – Camada Intermediária
- O centro c está associado ao peso, o uj será o próprio vetor de entrada x, chegando à:
n

g (u )  e
(1)
j
 i1
( xi 
W
(1 ) 2
)
ji
2 j ²
- O principal objetivo dos neurônios da camada intermediária é posicionar os centros de
suas gaussianas de forma mais apropriada possível, por exemplo utilizando métodos como
o k-means, posicionando o centro k em regiões onde os padrões de entrada tenderão a se
agrupar.
[email protected]
2COP229
Inteligência Computacional
2 – Processo de Treinamento – Camada Intermediária
Selecionando inicialmente
qualquer x como centróide.
Após ajustes dos clusters Ω,
obtém-se:
[email protected]
2COP229
Inteligência Computacional
2 – Processo de Treinamento – Camada Saída
- Segue os mesmo procedimentos da MLP com algoritmo Regra Delta generalizada.
Calculando o valor da saída
u
( 2)
j
n1
 W ji( 2) gi(1) (ui(1) )   j
i 1
[email protected]
2COP229
Inteligência Computacional
3 – Aplicabilidade
- Aproximação de funções:
Amostras de treinamento
Arquitetura da rede
[email protected]
2COP229
Inteligência Computacional
3 – Aplicabilidade
- Classificação de padrões como a MLP
Delimitação das fronteiras de classificação com uma MLP e uma RBF.
[email protected]
2COP229
Inteligência Computacional
4- Projeto Prático
[email protected]
2COP229
Inteligência Computacional
Referências:
Silva, IN da, Danilo Hernane Spatti, and Rogério Andrade Flauzino. "Redes neurais
artificiais para engenharia e ciências aplicadas." São Paulo: Artliber (2010).
[email protected]
Download

Slide 1