SlideShare uma empresa Scribd logo
1 de 12
Baixar para ler offline
Neurais Artificiais
ROTEIRO
1. NEURÔNIO NATURAL
2. NEURÔNIO ARTIFICIAL
3. PERCEPTRON
4. HOPFIELD
5. REFERÊNCIAS
NEURÔNIO NATURAL
• São células nervosas, que conduzem os impulsos nervosos.
• São as unidades básicas do sistema que processam as informações e estímulos no
corpo humano.
• Estima-se que um humano adulto possui cerca de 85 bilhões de neurônios.
• Os neurônios podem ser considerados como pequenos microprocessadores.
• Ex: considere que você tenha batido seu dedinho do pé em uma quina, seu
sistema nervoso através de impulsos elétricos transmitem esse estímulo para o
cérebro, que através dos neurônios é capaz de tratar essa informação como sendo
uma dor.
Entrada Processamento Saída
Figura 1 – Fluxo de dado
Fonte: Autor.
NEURÔNIO ARTIFICIAL
• O neurônio artificial segue os mesmos princípios do neurônio natural.
• Porém utiliza algoritmos específicos processáveis por computadores, ao invés
de utilizar os fatores biológicos como o neurônio natural.
• Com a junção de vários neurônios temos a formação das chamadas Redes
Neurais.
• A principal propriedades da Rede Neural Artificial é o fato de simular (ainda
de forma limitada) a capacidade do cérebro de aprendizagem.
• Essas redes podem ser empregadas em jogos ou até em auxílios de tomada de
decisão, identificação de padrões, dentre outros.
NEURÔNIO ARTIFICIAL
Arquitetura
Sinais
de entrada
Sinal
de saída
Função de
Ativação
Figura 2 – Arquitetura de Rede Neural Artificial
Fonte: http://www.ene.unb.br/adolfo/Lectures/ICIN/Ex1_ISI.htm.
NEURÔNIO ARTIFICIAL
PERCEPTRON
• No final dos anos 1950, Rosenblatt da Universidade de Cornell, criou uma das primeiras redes neurais
artificiais, chamada Perceptron.
• Seu funcionamento baseia-se em treinamentos, ou seja, pode-se definir uma saída desejada e assim
o algoritmo tentará produzir um resultado que corresponde aos valores das amostras de entrada.
• Sua principal vantagem é verificar padrões linearmente separáveis.
Figura 3 – Teorema de Convergência
Fonte: http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf
*demonstração
via software
NEURÔNIO ARTIFICIAL
PERCEPTRON
• Exemplo: Verificar se o ser vivo é quadrúpede ou bípede
Interpretação das saídas: Taxa de aprendizagem = 1
Quadrúpede = 1
Bípede = -1
Vetores de amostras
x1 x2 x3 x4 Saída desejada
Cão [ 1 -1 1 1 ] 1
Gato [ 1 1 1 1 ] 1
Cavalo [ 1 1 -1 1 ] 1
Homem [ -1 -1 -1 1 ] -1
Galinha [ -1 1 -1 1 ] -1
Avestruz [ 1 -1 1 -1 ] -1
Figura 4 – Arquitetura Rede Neural Perceptron
Fonte: http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf
NEURÔNIO ARTIFICIAL - PERCEPTRON
LÓGICA IMPLEMENTADA
• Implementado em C
• IDE utilizada: DEV C++
Matriz de amostras
coluna j
x1 x2 x3 amostras[nl][nc];
Amostra 1 linha i [ 2 -1 4 ] saídas[nl];
Amostra 2 [ 1 1 2 ] amostrasW[nw];
Amostra 3 [ 1 7 5 ] h;
Amostra 4 [ 8 2 0.1] n;
Lógica:
Usuário define número: linhas (nl), colunas (nc),
amostras W, saídas, interações e taxa de
aprendizagem.
nl = quantidade de amostras
nc = valores das amostras
nw = nl+1
• Cada linha (nl) recebe o valor -1 por padrão;
• Multiplica-se a linha (nl) corresponde da matriz pelo
vetor de amostras W.
• (Ex: linha 1 * posição 1 do vetor amostrasW);
• O resultado é comparado com a primeira posição do
vetor de saídas.
• Caso o sinal (- ou +) não seja igual, faz se o treinamento
de acordo com a taxa de aprendizagem.
• Faz-se então uma nova comparação. Caso for igual, irá
para a próxima linha da matriz, se não, faz novamente o
treinamento com os valores resultantes, até o número
máximo de n.
NEURÔNIO ARTIFICIAL
HOPFIELD
• Em 1982, John Hopfield desenvolveu uma rede neural associativa;
• É baseada na definição de “energia” da rede. É uma prova de que a
rede opera minimizando esta energia quando evolui para padrões
estáveis de operação;
• Só consegue computar problemas linearmente separáveis.
Vídeo 1 – Demonstração Rede Neural Hopfield
Fonte: https://pt.wikipedia.org/wiki/Rede_neural_artificialns.pdf
A = B = C =
*
*
*
NEURÔNIO ARTIFICIAL
HOPFIELD - ARQUITETURA
Figura 5 – Arquitetura Rede Hopfield
Fonte: http://www.cin.ufpe.br/~gcv/web_lci/Aula-Hopfield.pdf
NEURÔNIO ARTIFICIAL
HOPFIELD
• Principal aplicação: reconstituir padrões corrompidos ou incompletos,
Exemplo 1:
Imagine um terrorista que possui uma foto sem óculos em um banco de dados
da INTERPOL ;
Assim, como podemos identificá-lo pelas câmeras de um aeroporto quando
estiver utilizando óculos?
Através da Rede Neural de Hopfield, reconstruindo os padrões, eliminando o
óculos.
Exemplo 2:
Radares de trânsito podem capturar imagens com imperfeições
Dessa forma é necessário reconstruir padrões para identificar o número da
placa do veículo;
Aplicando a Rede Neural de Hopfield.
REFERÊNCIAS
http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf
http://www.cerebromente.org.br/n05/tecnologia/nervoso.htm
http://www.ene.unb.br/adolfo/Lectures/ICIN/Ex1_ISI.htm
http://www.todabiologia.com/anatomia/neuronios.htm
https://pt.wikipedia.org/wiki/Rede_neural_artificial
http://moschneider.tripod.com/rn_rna.pdf

Mais conteúdo relacionado

Mais procurados

MALHA ABERTA E MALHA FECHADA
MALHA ABERTA E MALHA FECHADAMALHA ABERTA E MALHA FECHADA
MALHA ABERTA E MALHA FECHADARafael Costa
 
inversor de frequencia
inversor de frequenciainversor de frequencia
inversor de frequenciaRenato Amorim
 
Lista de exercicios vetores, matrizes, registros e sub-algoritmos
Lista de exercicios   vetores, matrizes, registros e sub-algoritmosLista de exercicios   vetores, matrizes, registros e sub-algoritmos
Lista de exercicios vetores, matrizes, registros e sub-algoritmosMauro Pereira
 
Guia prático para criar algoritmos
Guia prático para criar algoritmosGuia prático para criar algoritmos
Guia prático para criar algoritmosMauro Pereira
 
Algoritmos - Lógica de Programação
Algoritmos - Lógica de ProgramaçãoAlgoritmos - Lógica de Programação
Algoritmos - Lógica de ProgramaçãoElaine Cecília Gatto
 
Scr (silicon controlled rectrifier)
Scr (silicon controlled rectrifier)Scr (silicon controlled rectrifier)
Scr (silicon controlled rectrifier)dini setyadi
 
Apresentação de motores e servomecanismos slideshare
Apresentação de motores e servomecanismos slideshareApresentação de motores e servomecanismos slideshare
Apresentação de motores e servomecanismos slideshareWatson Oliveira
 
Fire Alarm System Menggunakan Arduino Uno+LabView Link
Fire Alarm System Menggunakan Arduino Uno+LabView LinkFire Alarm System Menggunakan Arduino Uno+LabView Link
Fire Alarm System Menggunakan Arduino Uno+LabView LinkIkmalUdin1
 
1º e 2º teorema de de morgan e álgebra de boole
1º e 2º teorema de de morgan e álgebra de boole1º e 2º teorema de de morgan e álgebra de boole
1º e 2º teorema de de morgan e álgebra de boolePedagogy
 
Placas de expansão
Placas de expansãoPlacas de expansão
Placas de expansãoAndré Lopes
 
Introdução à Programação Python e Tk
Introdução à Programação Python e TkIntrodução à Programação Python e Tk
Introdução à Programação Python e TkCarlos Campani
 
Lógica de Programação e Algoritmos
Lógica de Programação e AlgoritmosLógica de Programação e Algoritmos
Lógica de Programação e AlgoritmosMario Jorge Pereira
 
Estrutura de Dados em Java (Revisão de Algoritimos em Java)
Estrutura de Dados em Java (Revisão de Algoritimos em Java)Estrutura de Dados em Java (Revisão de Algoritimos em Java)
Estrutura de Dados em Java (Revisão de Algoritimos em Java)Adriano Teixeira de Souza
 
Apostila completa analise_de_sistemas_de_potencia
Apostila completa analise_de_sistemas_de_potenciaApostila completa analise_de_sistemas_de_potencia
Apostila completa analise_de_sistemas_de_potenciaSamuel Leite
 
Apostila do treinamento profibus 2 configuração
Apostila do treinamento profibus 2  configuraçãoApostila do treinamento profibus 2  configuração
Apostila do treinamento profibus 2 configuraçãoconfidencial
 
01 - Introdução e diferenças entre software e hardware v1.3
01 - Introdução e diferenças entre software e hardware v1.301 - Introdução e diferenças entre software e hardware v1.3
01 - Introdução e diferenças entre software e hardware v1.3César Augusto Pessôa
 
Algoritmos e linguagem pascal
Algoritmos e linguagem pascalAlgoritmos e linguagem pascal
Algoritmos e linguagem pascalangelicamenegassi
 
Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...
Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...
Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...Beny Nugraha
 
TEKNIK DASAR LISTRIK
TEKNIK DASAR LISTRIKTEKNIK DASAR LISTRIK
TEKNIK DASAR LISTRIKrestuputraku5
 

Mais procurados (20)

MALHA ABERTA E MALHA FECHADA
MALHA ABERTA E MALHA FECHADAMALHA ABERTA E MALHA FECHADA
MALHA ABERTA E MALHA FECHADA
 
inversor de frequencia
inversor de frequenciainversor de frequencia
inversor de frequencia
 
Lista de exercicios vetores, matrizes, registros e sub-algoritmos
Lista de exercicios   vetores, matrizes, registros e sub-algoritmosLista de exercicios   vetores, matrizes, registros e sub-algoritmos
Lista de exercicios vetores, matrizes, registros e sub-algoritmos
 
Guia prático para criar algoritmos
Guia prático para criar algoritmosGuia prático para criar algoritmos
Guia prático para criar algoritmos
 
Algoritmos - Lógica de Programação
Algoritmos - Lógica de ProgramaçãoAlgoritmos - Lógica de Programação
Algoritmos - Lógica de Programação
 
Scr (silicon controlled rectrifier)
Scr (silicon controlled rectrifier)Scr (silicon controlled rectrifier)
Scr (silicon controlled rectrifier)
 
Apresentação de motores e servomecanismos slideshare
Apresentação de motores e servomecanismos slideshareApresentação de motores e servomecanismos slideshare
Apresentação de motores e servomecanismos slideshare
 
Fire Alarm System Menggunakan Arduino Uno+LabView Link
Fire Alarm System Menggunakan Arduino Uno+LabView LinkFire Alarm System Menggunakan Arduino Uno+LabView Link
Fire Alarm System Menggunakan Arduino Uno+LabView Link
 
1º e 2º teorema de de morgan e álgebra de boole
1º e 2º teorema de de morgan e álgebra de boole1º e 2º teorema de de morgan e álgebra de boole
1º e 2º teorema de de morgan e álgebra de boole
 
Placas de expansão
Placas de expansãoPlacas de expansão
Placas de expansão
 
Introdução à Programação Python e Tk
Introdução à Programação Python e TkIntrodução à Programação Python e Tk
Introdução à Programação Python e Tk
 
Lógica de Programação e Algoritmos
Lógica de Programação e AlgoritmosLógica de Programação e Algoritmos
Lógica de Programação e Algoritmos
 
Estrutura de Dados em Java (Revisão de Algoritimos em Java)
Estrutura de Dados em Java (Revisão de Algoritimos em Java)Estrutura de Dados em Java (Revisão de Algoritimos em Java)
Estrutura de Dados em Java (Revisão de Algoritimos em Java)
 
Apostila completa analise_de_sistemas_de_potencia
Apostila completa analise_de_sistemas_de_potenciaApostila completa analise_de_sistemas_de_potencia
Apostila completa analise_de_sistemas_de_potencia
 
Transformadores
TransformadoresTransformadores
Transformadores
 
Apostila do treinamento profibus 2 configuração
Apostila do treinamento profibus 2  configuraçãoApostila do treinamento profibus 2  configuração
Apostila do treinamento profibus 2 configuração
 
01 - Introdução e diferenças entre software e hardware v1.3
01 - Introdução e diferenças entre software e hardware v1.301 - Introdução e diferenças entre software e hardware v1.3
01 - Introdução e diferenças entre software e hardware v1.3
 
Algoritmos e linguagem pascal
Algoritmos e linguagem pascalAlgoritmos e linguagem pascal
Algoritmos e linguagem pascal
 
Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...
Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...
Telekomunikasi Analog & Digital - Slide week 6 - transmisi sinyal analog seca...
 
TEKNIK DASAR LISTRIK
TEKNIK DASAR LISTRIKTEKNIK DASAR LISTRIK
TEKNIK DASAR LISTRIK
 

Semelhante a Redes Neurais: Perceptron, Hopfield e Neurônios

RNA - Redes neurais artificiais
RNA - Redes neurais artificiaisRNA - Redes neurais artificiais
RNA - Redes neurais artificiaisiaudesc
 
INTELIGENCIA ARTIFICIAL RNA
INTELIGENCIA ARTIFICIAL RNAINTELIGENCIA ARTIFICIAL RNA
INTELIGENCIA ARTIFICIAL RNACarlos Cheth
 
Introdução a redes neurais artificiais com a biblioteca encog
Introdução a redes neurais artificiais com a biblioteca encogIntrodução a redes neurais artificiais com a biblioteca encog
Introdução a redes neurais artificiais com a biblioteca encogRaquel Machado
 
Redes neurais e lógica fuzzy
Redes neurais e lógica fuzzyRedes neurais e lógica fuzzy
Redes neurais e lógica fuzzyRenato Ximenes
 
[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLP[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLPAhirton Lopes
 
Capitulo 3 redes neurais artificiais
Capitulo 3   redes neurais artificiaisCapitulo 3   redes neurais artificiais
Capitulo 3 redes neurais artificiaisVânia Moura
 
Aula1 mba fiap_2018_redes_neurais
Aula1 mba fiap_2018_redes_neuraisAula1 mba fiap_2018_redes_neurais
Aula1 mba fiap_2018_redes_neuraisAhirton Lopes
 
IA Redes Neurais Artificiais
IA Redes Neurais ArtificiaisIA Redes Neurais Artificiais
IA Redes Neurais Artificiaisrafael.joi
 
Redes Neurais Artificiais
Redes Neurais ArtificiaisRedes Neurais Artificiais
Redes Neurais ArtificiaisMarcos Castro
 
Apostila redes neurais
Apostila redes neuraisApostila redes neurais
Apostila redes neuraisBruno Souza
 
Redes Neurais Artificiais
Redes Neurais ArtificiaisRedes Neurais Artificiais
Redes Neurais ArtificiaisRicardo Zalla
 
Introdução às Redes Neurais - Parte 1/2
Introdução às Redes Neurais - Parte 1/2Introdução às Redes Neurais - Parte 1/2
Introdução às Redes Neurais - Parte 1/2Bruno Catão
 
Redes_Neurais.ppt
Redes_Neurais.pptRedes_Neurais.ppt
Redes_Neurais.pptCsfe076280
 

Semelhante a Redes Neurais: Perceptron, Hopfield e Neurônios (20)

Redes neurais
Redes neuraisRedes neurais
Redes neurais
 
RNA - Redes neurais artificiais
RNA - Redes neurais artificiaisRNA - Redes neurais artificiais
RNA - Redes neurais artificiais
 
ArtigoFinal_v02
ArtigoFinal_v02ArtigoFinal_v02
ArtigoFinal_v02
 
INTELIGENCIA ARTIFICIAL RNA
INTELIGENCIA ARTIFICIAL RNAINTELIGENCIA ARTIFICIAL RNA
INTELIGENCIA ARTIFICIAL RNA
 
rn_1_int.pdf
rn_1_int.pdfrn_1_int.pdf
rn_1_int.pdf
 
Introdução a redes neurais artificiais com a biblioteca encog
Introdução a redes neurais artificiais com a biblioteca encogIntrodução a redes neurais artificiais com a biblioteca encog
Introdução a redes neurais artificiais com a biblioteca encog
 
Redes neurais e lógica fuzzy
Redes neurais e lógica fuzzyRedes neurais e lógica fuzzy
Redes neurais e lógica fuzzy
 
Redes Neuronais
Redes NeuronaisRedes Neuronais
Redes Neuronais
 
[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLP[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLP
 
Capitulo 3 redes neurais artificiais
Capitulo 3   redes neurais artificiaisCapitulo 3   redes neurais artificiais
Capitulo 3 redes neurais artificiais
 
Aula1 mba fiap_2018_redes_neurais
Aula1 mba fiap_2018_redes_neuraisAula1 mba fiap_2018_redes_neurais
Aula1 mba fiap_2018_redes_neurais
 
Apresentacao
ApresentacaoApresentacao
Apresentacao
 
IA Redes Neurais Artificiais
IA Redes Neurais ArtificiaisIA Redes Neurais Artificiais
IA Redes Neurais Artificiais
 
Redes Neurais Artificiais
Redes Neurais ArtificiaisRedes Neurais Artificiais
Redes Neurais Artificiais
 
Apostila redes neurais
Apostila redes neuraisApostila redes neurais
Apostila redes neurais
 
P910Aula05
P910Aula05P910Aula05
P910Aula05
 
Redes Neurais Artificiais
Redes Neurais ArtificiaisRedes Neurais Artificiais
Redes Neurais Artificiais
 
Introdução às Redes Neurais - Parte 1/2
Introdução às Redes Neurais - Parte 1/2Introdução às Redes Neurais - Parte 1/2
Introdução às Redes Neurais - Parte 1/2
 
160277 redes neurais artificiais
160277 redes neurais artificiais160277 redes neurais artificiais
160277 redes neurais artificiais
 
Redes_Neurais.ppt
Redes_Neurais.pptRedes_Neurais.ppt
Redes_Neurais.ppt
 

Mais de Lucas Sabadini

4G e LTE (Long Term Evolution)
4G e LTE (Long Term Evolution)4G e LTE (Long Term Evolution)
4G e LTE (Long Term Evolution)Lucas Sabadini
 
Processamento de Imagens - Filtro Laplaciano
Processamento de Imagens - Filtro LaplacianoProcessamento de Imagens - Filtro Laplaciano
Processamento de Imagens - Filtro LaplacianoLucas Sabadini
 
Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...
Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...
Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...Lucas Sabadini
 
Algorítmo de Identificação de Imagens Através da Implementação de RNA
Algorítmo de Identificação de Imagens Através da Implementação de RNAAlgorítmo de Identificação de Imagens Através da Implementação de RNA
Algorítmo de Identificação de Imagens Através da Implementação de RNALucas Sabadini
 
Projeto consciência negra - E.E. Prof. Carlos de Arnaldo Silva
Projeto consciência negra - E.E. Prof. Carlos de Arnaldo SilvaProjeto consciência negra - E.E. Prof. Carlos de Arnaldo Silva
Projeto consciência negra - E.E. Prof. Carlos de Arnaldo SilvaLucas Sabadini
 
Projeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo Silva
Projeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo SilvaProjeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo Silva
Projeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo SilvaLucas Sabadini
 
Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...
Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...
Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...Lucas Sabadini
 
Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...
Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...
Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...Lucas Sabadini
 
Organização de congresso dos estudantes de administração
Organização de congresso dos estudantes de administraçãoOrganização de congresso dos estudantes de administração
Organização de congresso dos estudantes de administraçãoLucas Sabadini
 
Globalização - O mundo em nossas mãos
Globalização - O mundo em nossas mãosGlobalização - O mundo em nossas mãos
Globalização - O mundo em nossas mãosLucas Sabadini
 
Adminstradores: Andrew Grove
Adminstradores: Andrew GroveAdminstradores: Andrew Grove
Adminstradores: Andrew GroveLucas Sabadini
 
Código de defesa do consumidor
Código de defesa do consumidorCódigo de defesa do consumidor
Código de defesa do consumidorLucas Sabadini
 
Sistemas Operacionais - Windows seven
Sistemas Operacionais - Windows sevenSistemas Operacionais - Windows seven
Sistemas Operacionais - Windows sevenLucas Sabadini
 
Manifestações culturais: modernismo brasileiro
Manifestações culturais: modernismo brasileiroManifestações culturais: modernismo brasileiro
Manifestações culturais: modernismo brasileiroLucas Sabadini
 
Sistema de gestão acadêmico
Sistema de gestão acadêmicoSistema de gestão acadêmico
Sistema de gestão acadêmicoLucas Sabadini
 
Algoritmos de substituição de páginas: ótimo e nur
Algoritmos de substituição de páginas: ótimo e nurAlgoritmos de substituição de páginas: ótimo e nur
Algoritmos de substituição de páginas: ótimo e nurLucas Sabadini
 
Escalonadores e suas categorias
Escalonadores e suas categoriasEscalonadores e suas categorias
Escalonadores e suas categoriasLucas Sabadini
 
Grandes Corporações da Tecnologia - Asus
Grandes Corporações da Tecnologia - AsusGrandes Corporações da Tecnologia - Asus
Grandes Corporações da Tecnologia - AsusLucas Sabadini
 

Mais de Lucas Sabadini (20)

4G e LTE (Long Term Evolution)
4G e LTE (Long Term Evolution)4G e LTE (Long Term Evolution)
4G e LTE (Long Term Evolution)
 
Processamento de Imagens - Filtro Laplaciano
Processamento de Imagens - Filtro LaplacianoProcessamento de Imagens - Filtro Laplaciano
Processamento de Imagens - Filtro Laplaciano
 
Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...
Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...
Sistema de Monitoramento da Utilização de Dispositivo de Segurança Veicular C...
 
Algorítmo de Identificação de Imagens Através da Implementação de RNA
Algorítmo de Identificação de Imagens Através da Implementação de RNAAlgorítmo de Identificação de Imagens Através da Implementação de RNA
Algorítmo de Identificação de Imagens Através da Implementação de RNA
 
Projeto consciência negra - E.E. Prof. Carlos de Arnaldo Silva
Projeto consciência negra - E.E. Prof. Carlos de Arnaldo SilvaProjeto consciência negra - E.E. Prof. Carlos de Arnaldo Silva
Projeto consciência negra - E.E. Prof. Carlos de Arnaldo Silva
 
Projeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo Silva
Projeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo SilvaProjeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo Silva
Projeto prevenção também se ensina - E.E. Prof. Carlos de Arnaldo Silva
 
Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...
Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...
Trabalho de Conclusão de Curso Técnico em Administração: Utilização da Tecnol...
 
Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...
Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...
Pré-banca TCC Técnico em Administração - Gestão Hospitalar com a Utilização d...
 
Organização de congresso dos estudantes de administração
Organização de congresso dos estudantes de administraçãoOrganização de congresso dos estudantes de administração
Organização de congresso dos estudantes de administração
 
Globalização - O mundo em nossas mãos
Globalização - O mundo em nossas mãosGlobalização - O mundo em nossas mãos
Globalização - O mundo em nossas mãos
 
Estoque mínimo
Estoque mínimoEstoque mínimo
Estoque mínimo
 
Adminstradores: Andrew Grove
Adminstradores: Andrew GroveAdminstradores: Andrew Grove
Adminstradores: Andrew Grove
 
Código de defesa do consumidor
Código de defesa do consumidorCódigo de defesa do consumidor
Código de defesa do consumidor
 
Sistemas Operacionais - Windows seven
Sistemas Operacionais - Windows sevenSistemas Operacionais - Windows seven
Sistemas Operacionais - Windows seven
 
Escolas literárias
Escolas literáriasEscolas literárias
Escolas literárias
 
Manifestações culturais: modernismo brasileiro
Manifestações culturais: modernismo brasileiroManifestações culturais: modernismo brasileiro
Manifestações culturais: modernismo brasileiro
 
Sistema de gestão acadêmico
Sistema de gestão acadêmicoSistema de gestão acadêmico
Sistema de gestão acadêmico
 
Algoritmos de substituição de páginas: ótimo e nur
Algoritmos de substituição de páginas: ótimo e nurAlgoritmos de substituição de páginas: ótimo e nur
Algoritmos de substituição de páginas: ótimo e nur
 
Escalonadores e suas categorias
Escalonadores e suas categoriasEscalonadores e suas categorias
Escalonadores e suas categorias
 
Grandes Corporações da Tecnologia - Asus
Grandes Corporações da Tecnologia - AsusGrandes Corporações da Tecnologia - Asus
Grandes Corporações da Tecnologia - Asus
 

Redes Neurais: Perceptron, Hopfield e Neurônios

  • 2. ROTEIRO 1. NEURÔNIO NATURAL 2. NEURÔNIO ARTIFICIAL 3. PERCEPTRON 4. HOPFIELD 5. REFERÊNCIAS
  • 3. NEURÔNIO NATURAL • São células nervosas, que conduzem os impulsos nervosos. • São as unidades básicas do sistema que processam as informações e estímulos no corpo humano. • Estima-se que um humano adulto possui cerca de 85 bilhões de neurônios. • Os neurônios podem ser considerados como pequenos microprocessadores. • Ex: considere que você tenha batido seu dedinho do pé em uma quina, seu sistema nervoso através de impulsos elétricos transmitem esse estímulo para o cérebro, que através dos neurônios é capaz de tratar essa informação como sendo uma dor. Entrada Processamento Saída Figura 1 – Fluxo de dado Fonte: Autor.
  • 4. NEURÔNIO ARTIFICIAL • O neurônio artificial segue os mesmos princípios do neurônio natural. • Porém utiliza algoritmos específicos processáveis por computadores, ao invés de utilizar os fatores biológicos como o neurônio natural. • Com a junção de vários neurônios temos a formação das chamadas Redes Neurais. • A principal propriedades da Rede Neural Artificial é o fato de simular (ainda de forma limitada) a capacidade do cérebro de aprendizagem. • Essas redes podem ser empregadas em jogos ou até em auxílios de tomada de decisão, identificação de padrões, dentre outros.
  • 5. NEURÔNIO ARTIFICIAL Arquitetura Sinais de entrada Sinal de saída Função de Ativação Figura 2 – Arquitetura de Rede Neural Artificial Fonte: http://www.ene.unb.br/adolfo/Lectures/ICIN/Ex1_ISI.htm.
  • 6. NEURÔNIO ARTIFICIAL PERCEPTRON • No final dos anos 1950, Rosenblatt da Universidade de Cornell, criou uma das primeiras redes neurais artificiais, chamada Perceptron. • Seu funcionamento baseia-se em treinamentos, ou seja, pode-se definir uma saída desejada e assim o algoritmo tentará produzir um resultado que corresponde aos valores das amostras de entrada. • Sua principal vantagem é verificar padrões linearmente separáveis. Figura 3 – Teorema de Convergência Fonte: http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf *demonstração via software
  • 7. NEURÔNIO ARTIFICIAL PERCEPTRON • Exemplo: Verificar se o ser vivo é quadrúpede ou bípede Interpretação das saídas: Taxa de aprendizagem = 1 Quadrúpede = 1 Bípede = -1 Vetores de amostras x1 x2 x3 x4 Saída desejada Cão [ 1 -1 1 1 ] 1 Gato [ 1 1 1 1 ] 1 Cavalo [ 1 1 -1 1 ] 1 Homem [ -1 -1 -1 1 ] -1 Galinha [ -1 1 -1 1 ] -1 Avestruz [ 1 -1 1 -1 ] -1 Figura 4 – Arquitetura Rede Neural Perceptron Fonte: http://www.dca.ufrn.br/~lmarcos/courses/robotica/notes/perceptrons.pdf
  • 8. NEURÔNIO ARTIFICIAL - PERCEPTRON LÓGICA IMPLEMENTADA • Implementado em C • IDE utilizada: DEV C++ Matriz de amostras coluna j x1 x2 x3 amostras[nl][nc]; Amostra 1 linha i [ 2 -1 4 ] saídas[nl]; Amostra 2 [ 1 1 2 ] amostrasW[nw]; Amostra 3 [ 1 7 5 ] h; Amostra 4 [ 8 2 0.1] n; Lógica: Usuário define número: linhas (nl), colunas (nc), amostras W, saídas, interações e taxa de aprendizagem. nl = quantidade de amostras nc = valores das amostras nw = nl+1 • Cada linha (nl) recebe o valor -1 por padrão; • Multiplica-se a linha (nl) corresponde da matriz pelo vetor de amostras W. • (Ex: linha 1 * posição 1 do vetor amostrasW); • O resultado é comparado com a primeira posição do vetor de saídas. • Caso o sinal (- ou +) não seja igual, faz se o treinamento de acordo com a taxa de aprendizagem. • Faz-se então uma nova comparação. Caso for igual, irá para a próxima linha da matriz, se não, faz novamente o treinamento com os valores resultantes, até o número máximo de n.
  • 9. NEURÔNIO ARTIFICIAL HOPFIELD • Em 1982, John Hopfield desenvolveu uma rede neural associativa; • É baseada na definição de “energia” da rede. É uma prova de que a rede opera minimizando esta energia quando evolui para padrões estáveis de operação; • Só consegue computar problemas linearmente separáveis. Vídeo 1 – Demonstração Rede Neural Hopfield Fonte: https://pt.wikipedia.org/wiki/Rede_neural_artificialns.pdf A = B = C = * * *
  • 10. NEURÔNIO ARTIFICIAL HOPFIELD - ARQUITETURA Figura 5 – Arquitetura Rede Hopfield Fonte: http://www.cin.ufpe.br/~gcv/web_lci/Aula-Hopfield.pdf
  • 11. NEURÔNIO ARTIFICIAL HOPFIELD • Principal aplicação: reconstituir padrões corrompidos ou incompletos, Exemplo 1: Imagine um terrorista que possui uma foto sem óculos em um banco de dados da INTERPOL ; Assim, como podemos identificá-lo pelas câmeras de um aeroporto quando estiver utilizando óculos? Através da Rede Neural de Hopfield, reconstruindo os padrões, eliminando o óculos. Exemplo 2: Radares de trânsito podem capturar imagens com imperfeições Dessa forma é necessário reconstruir padrões para identificar o número da placa do veículo; Aplicando a Rede Neural de Hopfield.