Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Redes NeuraisAlex AlonsoAntônio NunesCarolina BorgesEverton RamosKézia bittencourt
O sistema nervoso   O cérebro humano possui    aproximadamente 10 bilhões de    neurônios;   São conectados através de s...
O sistema nervoso     As sinapses transmitem estímulos      através de diferentes concentrações      de Na+ (Sódio) e K+ ...
O sistema nervoso   Os neurônios têm um papel essencial na    determinação do    funcionamento, comportamento e do    rac...
Redes Neurais artificiais   Redes Neurais Artificiais são técnicas    computacionais que apresentam um    modelo matemáti...
Redes Neurais artificiais -Histórico   As pesquisas sobre redes neurais    artificias começaram basicamente    com três p...
Redes Neurais artificiais   McCulloch - neurônio possuia apenas    uma saída, que era uma função de    entrada (threshold...
Redes Neurais artificiais   Rosemblatt - os neurônios eram    organizados em camada de entrada e    saída, onde os pesos ...
Redes Neurais artificiais   Rumelhart, Hinton e Williams – famoso    backpropagation. Modelo de 3 camadas:   Camada de E...
Redes Neurais artificiais Camadas Intermediárias ou Escondidas:  onde é feita a maior parte do  processamento, através da...
Processos de aprendizado Aprendizado Supervisionado: quando é  utilizado um agente externo que indica à  rede a resposta ...
Processos de aprendizado Modo Padrão: A correção dos pesos  acontece a cada apresentação à rede de  um exemplo do conjunt...
Treinamento supervisionado   Adotado no Perceptron, consiste em ajustar    os pesos e os thresholds de suas unidades    p...
Treinamento supervisionado   Quanto mais tentativas, mais aprimorado    fica o sistema, chegando, ao final de um    proce...
Treinamento supervisionado    Regra Delta:1) Iniciar todas as conexões com pesos   aleatórios;2) Repita até que o erro E ...
Treinamento supervisionado    Regra Delta:1) Iniciar todas as conexões com pesos   aleatórios;2) Repita até que o erro E ...
Treinamento supervisionado   Regra Delta:
Inteligência Artificial   As redes neurais são principalmente    utilizadas para criar sistemas de    inteligência artifi...
Inteligência Artificial   Simbólica:   simula o comportamento inteligente. Ela é    baseada em uma programação que indic...
Inteligência Artificial   Conexionista:   conexionista simula a estrutura do cérebro,    pois acredita-se que a inteligê...
Perceptron   foi à primeira máquina criada para    processamento de informação feita sobre o    sistema de redes neurais....
Perceptron   ele não executa programas, mas os    aprende.   As informações não são gravadas, mas    aprendidas. é capa...
Upcoming SlideShare
Loading in …5
×

Redes neurais

2,145 views

Published on

Published in: Technology
  • Be the first to comment

Redes neurais

  1. 1. Redes NeuraisAlex AlonsoAntônio NunesCarolina BorgesEverton RamosKézia bittencourt
  2. 2. O sistema nervoso O cérebro humano possui aproximadamente 10 bilhões de neurônios; São conectados através de sinapses; Formam a rede neural;
  3. 3. O sistema nervoso  As sinapses transmitem estímulos através de diferentes concentrações de Na+ (Sódio) e K+ (Potássio), e o resultado disto pode ser estendido por todo o corpo humano.Sinapse
  4. 4. O sistema nervoso Os neurônios têm um papel essencial na determinação do funcionamento, comportamento e do raciocínio do ser humano. Ao contrário das redes neurais artificiais, redes neurais naturais não transmitem sinais negativos, sua ativação é medida pela frequência com que emite pulsos, frequência esta de pulsos contínuos e positivos.
  5. 5. Redes Neurais artificiais Redes Neurais Artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência.
  6. 6. Redes Neurais artificiais -Histórico As pesquisas sobre redes neurais artificias começaram basicamente com três publicações muito importantes neste universo, desenvolvidas por: McCulloch e Pitts (1943), Hebb (1949), e Rosemblatt (1958).
  7. 7. Redes Neurais artificiais McCulloch - neurônio possuia apenas uma saída, que era uma função de entrada (threshold) da soma do valor de suas diversas entradas;
  8. 8. Redes Neurais artificiais Rosemblatt - os neurônios eram organizados em camada de entrada e saída, onde os pesos das conexões eram adaptados a fim de se atingir a eficiência sináptica;
  9. 9. Redes Neurais artificiais Rumelhart, Hinton e Williams – famoso backpropagation. Modelo de 3 camadas: Camada de Entrada: onde os padrões são apresentados à rede;
  10. 10. Redes Neurais artificiais Camadas Intermediárias ou Escondidas: onde é feita a maior parte do processamento, através das conexões ponderadas; podem ser consideradas como extratoras de características; Camada de Saída: onde o resultado final é concluído e apresentado.
  11. 11. Processos de aprendizado Aprendizado Supervisionado: quando é utilizado um agente externo que indica à rede a resposta desejada para o padrão de entrada; Aprendizado Não Supervisionado: (auto- organização), quando não existe um agente externo indicando a resposta desejada para os padrões de entrada; Reforço: quando um crítico externo avalia a resposta fornecida pela rede.
  12. 12. Processos de aprendizado Modo Padrão: A correção dos pesos acontece a cada apresentação à rede de um exemplo do conjunto de treinamento. Cada correção de pesos baseia-se somente no erro do exemplo apresentado naquela iteração. Assim, em cada ciclo ocorrem N correções. Modo Batch: Apenas uma correção é feita por ciclo. Todos os exemplos do conjunto de treinamento são apresentados à rede, seu erro médio é calculado e a partir deste erro fazem-se as correções dos pesos.
  13. 13. Treinamento supervisionado Adotado no Perceptron, consiste em ajustar os pesos e os thresholds de suas unidades para que a classificação desejada seja obtida. Cada informação processada gera um peso, dependendo do resultado. Se for um acerto, ela ganha um ponto, se for um erro, ela perde meio ponto. Dessa forma, o sistema cria a rotina de seguir o caminho
  14. 14. Treinamento supervisionado Quanto mais tentativas, mais aprimorado fica o sistema, chegando, ao final de um processo de aprendizado, a executar tarefas quase sem erro algum. Em sistemas bem elaborados, uma rede neural consegue aprender qualquer função que uma pessoa possa saber e não há limites para a quantidade de informação que ela possa processar.
  15. 15. Treinamento supervisionado Regra Delta:1) Iniciar todas as conexões com pesos aleatórios;2) Repita até que o erro E seja satisfatoriamente pequeno (E=e);3) Para cada par de treinamento (X,d), faça: 1) Calcular resposta obtida O; 2) Se o erro não for satisfatoriamente pequeno E > e, então:4) Atualizar pesos: Wnovo := W anterior + neta E X
  16. 16. Treinamento supervisionado Regra Delta:1) Iniciar todas as conexões com pesos aleatórios;2) Repita até que o erro E seja satisfatoriamente pequeno (E=e);3) Para cada par de treinamento (X,d), faça: 1) Calcular resposta obtida O; 2) Se o erro não for satisfatoriamente pequeno E > e, então:4) Atualizar pesos: Wnovo := W anterior + neta E X
  17. 17. Treinamento supervisionado Regra Delta:
  18. 18. Inteligência Artificial As redes neurais são principalmente utilizadas para criar sistemas de inteligência artificial. a inteligência artificial gerada por computadores tradicionais são simulações de inteligência real, ou seja, apresentam respostas segundo regras e comandos de um programa pré-estabelecido.
  19. 19. Inteligência Artificial Simbólica: simula o comportamento inteligente. Ela é baseada em uma programação que indica quais respostas devem ser dadas diante de determinados comandos. corretores ortográficos ou simuladores ; esses programas dificilmente aprendem coisas novas, somente se você incluir novas programações.
  20. 20. Inteligência Artificial Conexionista: conexionista simula a estrutura do cérebro, pois acredita-se que a inteligência está na forma de processar informação e não na informação processada. aprender com seus erros e executar diferentes processos, independente de instruções
  21. 21. Perceptron foi à primeira máquina criada para processamento de informação feita sobre o sistema de redes neurais. Ele é construído com neurônios artificiais, formando redes de processamento.
  22. 22. Perceptron ele não executa programas, mas os aprende. As informações não são gravadas, mas aprendidas. é capaz de múltiplos processamentos e testes de hipóteses em paralelo

×