Redes Neurais Artificiais (RNA): Estudo de Caso
Disciplina:
Inteligência Artificial
Prof. Frederico Brito Fernandes
[email protected]
CONTEÚDO
(1) Estudos de Caso
(2) Função AND
(3) Reconhecer dois caracteres
(4) Análise de Crédito
(1) Estudos de Caso
• Iremos estudar a aprendizagem, usando um
Perceptron de um único neurônio, em 3
situações diferentes:
– Função OR
– Reconhecer um caractere T e um H
– Classificar um indivíduo como ‘Bom’ e ‘Mau’
pagador
Disciplina: Inteligência Artificial
Professor: Frederico Brito Fernandes
2/8
(1) Estudos de Caso
• Para realizar o treinamento em cada caso,
lembre-se das fórmulas:
n
∑ xiwi
i=1
Função de
– Soma Ponderada =
Ativação Passo
– Se (Soma Ponderada>=0), então y(t) = 1
Se (Soma Ponderada<0), então y(t) = 0
– e(t) = d(t) – y(t)
– w(t+1) = w(t)+η*e(t)*x(t)
Disciplina: Inteligência Artificial
Professor: Frederico Brito Fernandes
3/8
(1) Estudos de Caso
• Escreva uma tabela contendo as colunas dos parâmetros da rede,
para que você consiga realizar o treinamento passo-a-passo
Entradas
Tempo
x1
x2
Pesos
Somatório
Saída
Desejada
Erro
w1 w2
∑(xi*wi)
y(t)
d(t)
d(t)-y(t)
Correção do Erro
w1(t+1)
w2(t+1)
1
2
3
4
5
6
7
8
• Dica: construa essa tabela no excel, para simular a fase
treinamento
Disciplina: Inteligência Artificial
Professor: Frederico Brito Fernandes
4/8
(2) Função OR: treinamento
• Dados os pares e entradas-saídas abaixo:
x1
x2
Saída
0
0
0
0
1
1
1
0
1
1
1
1
• Monte a topologia
da Rede,
e realize
o aprendizado,
usando os parâmetros abaixo:
–
–
–
–
–
–
Número de camadas: 1
Número de neurônios: 1
Função de Ativação: passo
Conexões feedforward
Taxa de aprendizagem (η): 0.1
Número de ciclos: 2
Disciplina: Inteligência Artificial
Professor: Frederico Brito Fernandes
5/8
(2) Função OR: teste
• Depois de realizar o treinamento, você irá realizar a fase de
teste
• Essa fase é parecida com a anterior, porém:
– Você já possui a rede treinada, ou seja, possui os pesos
• Para realizar seus testes, utilize os mesmo parâmetros
–
–
–
–
Número de camadas: 1
Número de neurônios: 1
Função de Ativação: passo
Pesos: pegue os últimos pesos do seu treinamento
A
B
1
X1
X2
Saída da Rede
2
0
1
0
3
1
1
1
4
1
0.6
1
Disciplina: Inteligência Artificial
C
D
Professor: Frederico Brito Fernandes
6/8
(3) Reconhecimento de 2 caracteres
• Dadas as representações de um T e um H, crie os pares de
entrada e saída dessa rede.
0
1
2
0
1
2
3
4
5
3
4
5
6
7
8
6
7
8
• Em seguida, monte a topologia da Rede, e realize o aprendizado,
usando os parâmetros abaixo:
–
–
–
–
–
–
Número de camadas: 1
Número de neurônios: 1
Função de Ativação: passo
Conexões feedforward
Taxa de aprendizagem (η): 0.1
Número de ciclos: 2
Disciplina: Inteligência Artificial
Professor: Frederico Brito Fernandes
7/8
(4) Análise de Crédito
• A partir dos dados abaixo sobre bons e maus pagadores:
Idade
Renda
Filhos
Sexo
CLASSE
25
R$ 1.400,00
1
M
BOM (1)
50
R$ 3.800,00
0
F
MAU (0)
36
R$ 10.000,00
8
M
MAU (0)
18
R$ 600,00
2
F
BOM (1)
Normalize
As entradas
• Monte a topologia da Rede, e realize o aprendizado, usando os
parâmetros abaixo:
–
–
–
–
–
–
Número de camadas: 1
Número de neurônios: 1
Função de Ativação: passo
Conexões feedforward
Taxa de aprendizagem (η): 0.1
Número de ciclos: 2
Disciplina: Inteligência Artificial
Professor: Frederico Brito Fernandes
8/8