SlideShare uma empresa Scribd logo
1 de 1
Baixar para ler offline
CENTRO DE CIÊNCIAS FÍSICAS E MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICA INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS: TEORIA E APLICAÇÕES Autor: Eduardo Jorge Siridakis – eduardosiridakis@gmail.com PICME-CNPq  INTRODUÇÃO Redes Neurais Artificiais podem ser máquinas físicamente implementadas ou modelos computacionais apresentando características como: - Alto nível de paralelismo  na transmissão de informações, gerando tolerância à pequenas falhas; - Capacidade de aprendizagem  e armazenamento do conhecimento adquirido. A motivação para o estudo e desenvolvimento das Redes Neurais Artificiais vem da capacidade que o cérebro possui de realizar certos tipos de processamento de informação, como reconhecimento de padrões e controle motor, de forma muito mais eficiente que os computadores digitais disponíveis atualmente. A idéia por trás de uma Rede Neural Artificial é realizar um processamento complexo através da associação de diversos elementos simples denominados neurônios. O NEURÔNIO O neurônio é a célula fundamental de uma rede: Os sinais de entrada, provenientes de uma fonte externa ou das saídas de outros neurônios, são aplicados a uma função linearmente afim (cujos coeficientes são chamados de pesos sinápticos do neurônio) gerando um sinal chamado de campo induzido, o qual por sua vez é aplicado a uma função de ativação para gerar a saída do neurônio. A saída de um neurônio pode ser a saída da rede ou servir como dado de entrada para outros neurônios. CARACTERIZAÇÃO GERAL De maneira geral, podemos caracterizar uma rede neural mediante três fatores principais: - Funções de ativação ; - Arquitetura ; - Métodos e algoritmos de treinamento . As  funções de ativação  determinam como o neurônio responde ao seu campo local induzido. As funções de ativação mais comuns são a função degrau, identidade e funções sigmóides, com maior destaque para essa última classe, amplamente utilizada devido ao seu caráter contínuo, diferenciável e não-linear. Quanto à  arquitetura , podemos definir duas formas principais: - Redes competitivas: Neurônios podem estar todos conectados entre si, enviando e recebendo informações, admitindo-se também laços de realimentação; - Redes alimentadas adiante ( Feedfoward ): Neurônios dispostos em camadas. Neurônios de uma camada possuem as mesmas características e se conectam a todos os neurônios da camada seguinte. Para que uma rede “aprenda” a realizar uma determinada tarefa os seus pesos sinápticos devem ser ajustados adequadamente, para isso se utilizam  algoritmos de treinamento . Estes podem ser supervisionados ou não supervisionados. Um algoritmo muito difundido para o treinamento de redes neurais é o  Backpropagation , um algoritmo para treinamento supervisionado de redes alimentadas adiante. TESTES PRÁTICOS Paralelamente à pesquisa teórica foram utilizadas ferramentas computacionais para implementação de redes básicas, sendo possível interpolar funções e também obter interessantes resultados de reconhecimento de padrões em dados obtidos por meio de uma análise estatística de DNA bacteriano. Orientador: Prof. Marcelo Sobottka – sobottka@mtm.ufsc.br

Mais conteúdo relacionado

Mais procurados

Redes Neurais Artificiais: Regras de Aprendizado
Redes Neurais Artificiais: Regras de AprendizadoRedes Neurais Artificiais: Regras de Aprendizado
Redes Neurais Artificiais: Regras de AprendizadoJackson Daner
 
RNA - Redes neurais artificiais
RNA - Redes neurais artificiaisRNA - Redes neurais artificiais
RNA - Redes neurais artificiaisiaudesc
 
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
 
Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...
Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...
Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...Ricardo Brasil
 
Topologia de rede juliana claudia
Topologia de rede   juliana claudiaTopologia de rede   juliana claudia
Topologia de rede juliana claudiajuclau
 
Computadores de redes neurais
Computadores de redes neuraisComputadores de redes neurais
Computadores de redes neuraisSanclé Porchéra
 
Topologias De Rede(David e Ana)
Topologias De Rede(David e Ana)Topologias De Rede(David e Ana)
Topologias De Rede(David e Ana)David
 
Modelagem de cargas utilizando sistemas baseados em regras
Modelagem de cargas utilizando sistemas baseados em regrasModelagem de cargas utilizando sistemas baseados em regras
Modelagem de cargas utilizando sistemas baseados em regrasSuzana Viana Mota
 
Topologia fisica barramento
Topologia fisica barramentoTopologia fisica barramento
Topologia fisica barramento2lindos
 
Extreme learning machine
Extreme learning machineExtreme learning machine
Extreme learning machineFelipe Simões
 
Fundamentos_camadas_modelo_osi
Fundamentos_camadas_modelo_osiFundamentos_camadas_modelo_osi
Fundamentos_camadas_modelo_osiMario Alex
 
Topologia de redes
Topologia de redesTopologia de redes
Topologia de redesLuis Fiuza
 
tipologias de rede
tipologias de redetipologias de rede
tipologias de redeKaska Lucas
 
Topologia das redes joao m onteiro e ivo
Topologia das redes joao m onteiro e ivoTopologia das redes joao m onteiro e ivo
Topologia das redes joao m onteiro e ivoIvo Casalinho
 

Mais procurados (19)

Redes Neurais Artificiais: Regras de Aprendizado
Redes Neurais Artificiais: Regras de AprendizadoRedes Neurais Artificiais: Regras de Aprendizado
Redes Neurais Artificiais: Regras de Aprendizado
 
RNA - Redes neurais artificiais
RNA - Redes neurais artificiaisRNA - Redes neurais artificiais
RNA - Redes neurais artificiais
 
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
 
Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...
Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...
Aplicação das Redes Neuronais Artificiais do software STATISTICA 7.0: O caso ...
 
Topologia de rede juliana claudia
Topologia de rede   juliana claudiaTopologia de rede   juliana claudia
Topologia de rede juliana claudia
 
Lucas e pedro
Lucas  e pedroLucas  e pedro
Lucas e pedro
 
Computadores de redes neurais
Computadores de redes neuraisComputadores de redes neurais
Computadores de redes neurais
 
Topologias De Rede(David e Ana)
Topologias De Rede(David e Ana)Topologias De Rede(David e Ana)
Topologias De Rede(David e Ana)
 
Modelagem de cargas utilizando sistemas baseados em regras
Modelagem de cargas utilizando sistemas baseados em regrasModelagem de cargas utilizando sistemas baseados em regras
Modelagem de cargas utilizando sistemas baseados em regras
 
Topologia fisica barramento
Topologia fisica barramentoTopologia fisica barramento
Topologia fisica barramento
 
Extreme learning machine
Extreme learning machineExtreme learning machine
Extreme learning machine
 
Fundamentos_camadas_modelo_osi
Fundamentos_camadas_modelo_osiFundamentos_camadas_modelo_osi
Fundamentos_camadas_modelo_osi
 
Topologias de rede
Topologias de redeTopologias de rede
Topologias de rede
 
Julia aula mestrado
Julia aula mestradoJulia aula mestrado
Julia aula mestrado
 
Topologia de Redes
Topologia de RedesTopologia de Redes
Topologia de Redes
 
Topologia de redes
Topologia de redesTopologia de redes
Topologia de redes
 
tipologias de rede
tipologias de redetipologias de rede
tipologias de rede
 
Topologia das redes joao m onteiro e ivo
Topologia das redes joao m onteiro e ivoTopologia das redes joao m onteiro e ivo
Topologia das redes joao m onteiro e ivo
 
Topologia de Rede Anel
Topologia de Rede AnelTopologia de Rede Anel
Topologia de Rede Anel
 

Semelhante a Banner sic 02

[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLP[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLPAhirton Lopes
 
Redes neurais e lógica fuzzy
Redes neurais e lógica fuzzyRedes neurais e lógica fuzzy
Redes neurais e lógica fuzzyRenato Ximenes
 
Aprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de DadosAprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de DadosDiego Negretto
 
Rede Neural MLP para reconhecimento de Faces
Rede Neural MLP para reconhecimento de FacesRede Neural MLP para reconhecimento de Faces
Rede Neural MLP para reconhecimento de FacesAdilmar Dantas
 
Machine Learning e Redes Neuronais
Machine Learning e Redes NeuronaisMachine Learning e Redes Neuronais
Machine Learning e Redes Neuronaiseurosigdoc acm
 
Aplicação de redes neurais artificiais à engenharia de estruturas
Aplicação de redes neurais artificiais à engenharia de estruturasAplicação de redes neurais artificiais à engenharia de estruturas
Aplicação de redes neurais artificiais à engenharia de estruturasFamília Schmidt
 
Redes Neurais Artificiais
Redes Neurais ArtificiaisRedes Neurais Artificiais
Redes Neurais ArtificiaisRicardo Zalla
 
A rede neural supervisionada chamada perceptron multicamadas
A rede neural supervisionada chamada perceptron multicamadasA rede neural supervisionada chamada perceptron multicamadas
A rede neural supervisionada chamada perceptron multicamadascesar do amaral
 
Redes Neurais com C#
Redes Neurais com C#Redes Neurais com C#
Redes Neurais com C#POANETMeetup
 
Introdução a Deep Learning
Introdução a Deep LearningIntrodução a Deep Learning
Introdução a Deep LearningCristian Muñoz
 
Inteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativosInteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativosRodrigo de Oliveira
 
Inteligência Computacional Unidade 02 – Redes Neuronais Artificiais
Inteligência Computacional Unidade 02 – Redes Neuronais ArtificiaisInteligência Computacional Unidade 02 – Redes Neuronais Artificiais
Inteligência Computacional Unidade 02 – Redes Neuronais ArtificiaisLeonardo Goliatt
 
Capitulo 3 redes neurais artificiais
Capitulo 3   redes neurais artificiaisCapitulo 3   redes neurais artificiais
Capitulo 3 redes neurais artificiaisVânia Moura
 
[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem Visual
[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem Visual[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem Visual
[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem VisualAhirton Lopes
 
Redes Neuronais Artificiais
Redes Neuronais ArtificiaisRedes Neuronais Artificiais
Redes Neuronais Artificiaiseurosigdoc acm
 
Poster sic-ufrgs
Poster sic-ufrgsPoster sic-ufrgs
Poster sic-ufrgsssleandro
 
Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...
Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...
Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...Sérgio Dias
 

Semelhante a Banner sic 02 (20)

[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLP[José Ahirton Lopes] Apresentação MLP
[José Ahirton Lopes] Apresentação MLP
 
Redes neurais e lógica fuzzy
Redes neurais e lógica fuzzyRedes neurais e lógica fuzzy
Redes neurais e lógica fuzzy
 
Aprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de DadosAprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de Dados
 
Rede Neural MLP para reconhecimento de Faces
Rede Neural MLP para reconhecimento de FacesRede Neural MLP para reconhecimento de Faces
Rede Neural MLP para reconhecimento de Faces
 
Machine Learning e Redes Neuronais
Machine Learning e Redes NeuronaisMachine Learning e Redes Neuronais
Machine Learning e Redes Neuronais
 
Aplicação de redes neurais artificiais à engenharia de estruturas
Aplicação de redes neurais artificiais à engenharia de estruturasAplicação de redes neurais artificiais à engenharia de estruturas
Aplicação de redes neurais artificiais à engenharia de estruturas
 
Apresentacao
ApresentacaoApresentacao
Apresentacao
 
Redes Neurais Artificiais
Redes Neurais ArtificiaisRedes Neurais Artificiais
Redes Neurais Artificiais
 
A rede neural supervisionada chamada perceptron multicamadas
A rede neural supervisionada chamada perceptron multicamadasA rede neural supervisionada chamada perceptron multicamadas
A rede neural supervisionada chamada perceptron multicamadas
 
Modelos de previsão de Ocorrências
Modelos de previsão de OcorrênciasModelos de previsão de Ocorrências
Modelos de previsão de Ocorrências
 
Redes Neurais com C#
Redes Neurais com C#Redes Neurais com C#
Redes Neurais com C#
 
Introdução a Deep Learning
Introdução a Deep LearningIntrodução a Deep Learning
Introdução a Deep Learning
 
rn_1_int.pdf
rn_1_int.pdfrn_1_int.pdf
rn_1_int.pdf
 
Inteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativosInteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativos
 
Inteligência Computacional Unidade 02 – Redes Neuronais Artificiais
Inteligência Computacional Unidade 02 – Redes Neuronais ArtificiaisInteligência Computacional Unidade 02 – Redes Neuronais Artificiais
Inteligência Computacional Unidade 02 – Redes Neuronais Artificiais
 
Capitulo 3 redes neurais artificiais
Capitulo 3   redes neurais artificiaisCapitulo 3   redes neurais artificiais
Capitulo 3 redes neurais artificiais
 
[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem Visual
[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem Visual[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem Visual
[Ahirton Lopes e Rafael Arevalo] Deep Learning - Uma Abordagem Visual
 
Redes Neuronais Artificiais
Redes Neuronais ArtificiaisRedes Neuronais Artificiais
Redes Neuronais Artificiais
 
Poster sic-ufrgs
Poster sic-ufrgsPoster sic-ufrgs
Poster sic-ufrgs
 
Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...
Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...
Extração e Representação de Conhecimento de Redes Neurais Artificiais Utiliza...
 

Banner sic 02

  • 1. CENTRO DE CIÊNCIAS FÍSICAS E MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICA INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS: TEORIA E APLICAÇÕES Autor: Eduardo Jorge Siridakis – eduardosiridakis@gmail.com PICME-CNPq INTRODUÇÃO Redes Neurais Artificiais podem ser máquinas físicamente implementadas ou modelos computacionais apresentando características como: - Alto nível de paralelismo na transmissão de informações, gerando tolerância à pequenas falhas; - Capacidade de aprendizagem e armazenamento do conhecimento adquirido. A motivação para o estudo e desenvolvimento das Redes Neurais Artificiais vem da capacidade que o cérebro possui de realizar certos tipos de processamento de informação, como reconhecimento de padrões e controle motor, de forma muito mais eficiente que os computadores digitais disponíveis atualmente. A idéia por trás de uma Rede Neural Artificial é realizar um processamento complexo através da associação de diversos elementos simples denominados neurônios. O NEURÔNIO O neurônio é a célula fundamental de uma rede: Os sinais de entrada, provenientes de uma fonte externa ou das saídas de outros neurônios, são aplicados a uma função linearmente afim (cujos coeficientes são chamados de pesos sinápticos do neurônio) gerando um sinal chamado de campo induzido, o qual por sua vez é aplicado a uma função de ativação para gerar a saída do neurônio. A saída de um neurônio pode ser a saída da rede ou servir como dado de entrada para outros neurônios. CARACTERIZAÇÃO GERAL De maneira geral, podemos caracterizar uma rede neural mediante três fatores principais: - Funções de ativação ; - Arquitetura ; - Métodos e algoritmos de treinamento . As funções de ativação determinam como o neurônio responde ao seu campo local induzido. As funções de ativação mais comuns são a função degrau, identidade e funções sigmóides, com maior destaque para essa última classe, amplamente utilizada devido ao seu caráter contínuo, diferenciável e não-linear. Quanto à arquitetura , podemos definir duas formas principais: - Redes competitivas: Neurônios podem estar todos conectados entre si, enviando e recebendo informações, admitindo-se também laços de realimentação; - Redes alimentadas adiante ( Feedfoward ): Neurônios dispostos em camadas. Neurônios de uma camada possuem as mesmas características e se conectam a todos os neurônios da camada seguinte. Para que uma rede “aprenda” a realizar uma determinada tarefa os seus pesos sinápticos devem ser ajustados adequadamente, para isso se utilizam algoritmos de treinamento . Estes podem ser supervisionados ou não supervisionados. Um algoritmo muito difundido para o treinamento de redes neurais é o Backpropagation , um algoritmo para treinamento supervisionado de redes alimentadas adiante. TESTES PRÁTICOS Paralelamente à pesquisa teórica foram utilizadas ferramentas computacionais para implementação de redes básicas, sendo possível interpolar funções e também obter interessantes resultados de reconhecimento de padrões em dados obtidos por meio de uma análise estatística de DNA bacteriano. Orientador: Prof. Marcelo Sobottka – sobottka@mtm.ufsc.br