Transferir como PDF, PPTX
![Arquitetura, projeto e ténicas I
Uma Rede
Neural para o
Reconheci-
mento de
Números
Binários
Alander Pereira Uso da linguagem Java para o desenvolvimento da
dos Santos
aplicação
Objetivo Configurada nos padrões de uma Applet Java
Problema
Projeto
Hopfield [Heaton, 2008] como arquitetura de rede
Exemplo da
neural
Aplicação
Rede com realimentação e comportamento dinâmico
Conclusões
Rede não supervisionada
Referências
Neunônio segue o modelo McCulloch-Pitts
Agradecimentos
Memória Associativa
Capacidade de recuperar informações memorizadas,
mesmo com informação inicial incompleta ou corrompida](https://image.slidesharecdn.com/apr-trb-01-130224224127-phpapp02/85/Uma-Rede-Neural-para-o-Reconhecimento-de-Numeros-Binarios-4-320.jpg)
Carregado porAlander Pereira Dos Santos
Uma Rede Neural para o Reconhecimento de Números Binários
Este documento descreve um projeto que implementa uma rede neural de Hopfield para reconhecimento de números binários. O sistema é projetado em Java e treina a rede para reconhecer padrões binários de 4 bits, demonstrando sua capacidade de generalizar e recuperar padrões corrompidos.
Uma Rede Neural para o Reconhecimento de Números Binários
- 1. Uma Rede Neuralpara o Reconheci- mento de Números Binários Alander Pereira dos Santos Uma Rede Neural para o Objetivo Problema Reconhecimento de Números Binários Projeto CCM102 - Inteligência Artificial Exemplo da Aplicação Conclusões Referências Alander Pereira dos Santos Agradecimentos Universidade Federal do ABC Centro de Matemática, Computação e Cognição
- 2. Objetivo UmaRede Neural para o Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projetar e implementar um sistema de IA que: Projeto Seja completo e útil Exemplo da Abordagem inerente às técnicas estudadas em sala de Aplicação aula Conclusões Referências Análise teórica do modelo escolhido Agradecimentos
- 3. Definição e exemplos Uma Rede Neural para o Reconheci- Dado um nibble como padrão de entrada, treinar uma mento de Números rede neural para que reconheça este padrão e ou Binários recupere a informação que estiver corrompida. Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Conclusões Referências Agradecimentos Figura : 1 entrada: padrão para o treinamento; processamento: padrão para associação; saída: padrão associado Algumas aplicações: Armazenamento e recuperação de imagens Códigos de Correção de Erros Hamming e Reed-Solomon
- 4. Arquitetura, projeto eténicas I Uma Rede Neural para o Reconheci- mento de Números Binários Alander Pereira Uso da linguagem Java para o desenvolvimento da dos Santos aplicação Objetivo Configurada nos padrões de uma Applet Java Problema Projeto Hopfield [Heaton, 2008] como arquitetura de rede Exemplo da neural Aplicação Rede com realimentação e comportamento dinâmico Conclusões Rede não supervisionada Referências Neunônio segue o modelo McCulloch-Pitts Agradecimentos Memória Associativa Capacidade de recuperar informações memorizadas, mesmo com informação inicial incompleta ou corrompida
- 5. Arquitetura, projeto eténicas II Uma Rede Neural para o Reconheci- mento de Modelo de classes representando o projeto da aplicação: Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Conclusões Referências Agradecimentos Figura : 2 Diagrama de classes
- 6. Arquitetura, projeto eténicas III Uma Rede Neural para o Características da rede: Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Figura : 3 Neurônio de McCulloch-Pitts Conclusões Referências Agradecimentos O limiar da rede é calculádo através da função de Heaveside função de escala: Θ(x) = 1 se x ≥ 0 e Θ(x) = 0 caso contrário saída em binário Normalização da rede segue uma função sigmoidal onde sng(x) = 1 se z > 0 e sng(x) = −1 se z ≤ 0.
- 7. Arquitetura, projeto eténicas IV Uma Rede Neural para o Reconheci- mento de Regra de aprendizagem para o peso wij para um Números Binários padrão : wij = xi xj Alander Pereira dos Santos caso para um único padrão de aprendizado para mais de um padrão é utilizada a Regra de Hebb Objetivo Generalizada Problema Projeto Função de Relaxação ou minimização de energia Exemplo da pesos entre neurônios são simétricos: wij = wji Aplicação define-se um peso nulo da realimentação de cada Conclusões neurônio i.e. wii = 0 Referências Agradecimentos A função de relaxação sempre garante que a rede relaxa para um estado estável A rede tem a capacidade de generalizar para novos padrões o valor inverso do padrão de treinamento
- 8. Arquitetura, projeto eténicas V Uma Rede Neural para o Reconheci- mento de Números Binários Alander Pereira dos Santos Execução da rede: Objetivo A rede recebe como parâmetro de entrada as linhas Problema da matriz de pesos Projeto Exemplo da Cada linha é atribuída a um dos quatro neurônios Aplicação A função de ativação da rede recebe como Conclusões Referências parâmetro o valor do padrão a ser encontrado Agradecimentos A saída é um sequência de um nibble representando o padrão encontrado ou um valor desconhecido.
- 9. Aplicação em javaque implementa rede neural de Hopfield I Uma Rede Neural para o Treinamento da rede Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Conclusões Referências Agradecimentos Figura : 4Treinamento da rede
- 10. Aplicação em javaque implementa rede neural de Hopfield II Uma Rede Neural para o Testando com o padrão 1001 Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Conclusões Referências Agradecimentos Figura : 5Executando a rede com o padrão 1001
- 11. Aplicação em javaque implementa rede neural de Hopfield III Uma Rede Neural para o Testando com o padrão 1000 Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Conclusões Referências Agradecimentos Figura : 6Executando a rede com o padrão 1000
- 12. Aplicação em javaque implementa rede neural de Hopfield IV Uma Rede Neural para o Testando com o padrão 0101 Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Conclusões Referências Agradecimentos Figura : 7Executando a rede com o padrão 0101
- 13. Aplicação em javaque implementa rede neural de Hopfield V Uma Rede Neural para o Testando com o padrão 0110 Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Aplicação Conclusões Referências Agradecimentos Figura : 8Executando a rede com o padrão 0110. Padrão encontrado generalizado
- 14. Uma Rede Neuralpara o Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Modelo relativamente fácil de implementação, tanto Projeto em software quanto em hardware Exemplo da Aplicação O modelo reconhece padrões previamente treinados Conclusões O modelo consegue generalizar para novos problemas Referências Agradecimentos
- 15. Uma Rede Neuralpara o Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Exemplo da Introduction to Neural Networks for Java, 2ed, Heaton Aplicação Research, Inc. Outubro, 2008 Conclusões Referências Agradecimentos
- 16. Uma Rede Neuralpara o Reconheci- mento de Números Binários Alander Pereira dos Santos Objetivo Problema Projeto Obrigado! Voltar Exemplo da Aplicação Conclusões Referências Agradecimentos