象征性神经系统.pptVIP

REDES NEURAIS ARTIFICIAIS: Do Aprendizado Natural Ao Aprendizado Artificial Redes Neurais: Aprendizado Neural Método da Descida do Gradiente - Multi-Layer Perceptron (MLP) BackPropagation Erro quadrático: Ajuste dos Pesos: Deriva??o da regra de reajuste dos pesos (Neur?nios da camada de saída - saída linear) Redes Neurais: Aprendizado Neural Método da Descida do Gradiente - Multi-Layer Perceptron (MLP) BackPropagation Erro quadrático: Ajuste dos Pesos: Deriva??o da regra de reajuste dos pesos (Neur?nios da camada de saída - usando a sigmoide) Redes Neurais: Aprendizado Neural Método da Descida do Gradiente - Multi-Layer Perceptron (MLP) BackPropagation Erro quadrático: Ajuste dos Pesos: Deriva??o da regra de reajuste dos pesos (Camada intermediária da rede = Hidden Layer) Erro na Saída da Rede Número de épocas Dados de Teste Dados de Aprendizado Erro na Saída da Rede Número de épocas Dados de Teste Dados de Aprendizado Parada usando a Valida??o Cruzada (ponto ótimo de generaliza??o) Aprendizado: Parada tardia APRENDIZADO: GENERALIZA??O Redes Neurais: Aplica??es Práticas Reconhecimento de Padr?es: Caracteres, Imagens, Voz, etc Sistemas de Auxílio ao Diagnóstico: Médico, Falhas Mecanicas, etc Robótica Inteligente Previs?o: Tempo, Cota??es da Bolsa de Valores, etc Sistemas de Controle Processamento de Sinais Processamento de Linguagem Natural Data Mining * I FORUM DE INTELIGêNCIA ARTIFICIAL Autor/Apresentador: Prof. Dr. Fernando Osório* ULBRA Canoas - Agosto 1999 * UNISINOS - Centro de Ciências Exatas e Tecnológicas - Informática E-mail: osorio@exatas.unisinos.br Web: http://www.inf.unisinos.br/~osorio/ http://www.inf.unisinos.br/~osorio/neural.html Tópicos abordados: 0. Introdu??o 1. Inteligência Artificial e Aprendizado 1.1 Inteligência Artificial e Sistemas Inteligentes 1.2 Aquisi??o de Conhecimentos e Aprendizado 1.3 Aprendizado de Máquina (Machine Learning) 2. Redes Neurais Artifficiais 2.1 Conceitos Bás