Trabalho - RNA – Redes Neurais ArtificiaisProfessor: Douglas Nunes de OliveiraDisciplina: IA – Inteligência Artificial

Referencias Bibliográficas:1) Antônio de Pádua Braga, “Redes Neurais Artificiais – Teoria e Aplicações”, editora LTC,

primeira edição.

2) Slides do professor.

Questões:1) Histórico

a) Livro 1, Página 2, seção 1.2: O primeiro modelo de um neurônio biológico foi proposto por quem? Em que ano? Este trabalho concentra-se em descrever o quê? Porque este primeiro trabalho chamou-se MCP?

b) Segundo parágrafo da seção 1.2. Descreva resumidamente o trabalho de Donald Hebb. (de 3 a 6 linhas).

c) Resuma o terceiro parágrafo da seção 1.2. (de 2 a 4 linhas).d) Último parágrafo da seção 1.2. Descreva resumidamente o trabalho de John

Hopfield. (de 4 a 8 linhas).

2) Modelo MCPa) Livro 1, Páginas 7 a 9, seção 1.4:

Explique um pouco o modelo matemático proposto no primeiro parágrafo. Explique a expressão matemática abaixo. Nesta expressão o que vem a

ser “threshold”?

Explique se ocorre sincronismo entre os neurônios no modelo MCP. E nas redes neurais biológicas, ocorrem ou não sincronismo entre os neurônios?

De acordo com o ultimo parágrafo desta seção, cite as 3 limitações do MCP original.

3) Portas de limiar. (Livro 1, Páginas 30 a 34, seção 3.2)a) Portas de limiar lineares:

Desenhe o modelo. Descreva equação que a representa. No primeiro parágrafo da pagina 31, resuma as características desta

porta. (de 4 a 8 linhas).

b) Portas de limiar quadráticas: Desenhe o modelo. Descreva equação que a representa. No primeiro parágrafo da pagina 34, nas 13 primeiras linhas, resuma as

características desta porta. (de 4 a 8 linhas).

4) Definaa) Problemas linearmente separáveis e não linearmente separáveis, mostre uma

possível representação, para estes dois tipos de problemas, no plano cartesiano:

b) Coeficiente de aprendizagem. Qual o seu efeito durante o treinamento de um Perceptron.

c) Problema de classificação. Exemplifique um problema.

5) Caso eu queira modelar o comportamento dos dados utilizando um Perceptron simples, e cada amostra possui 4 (quatro) entradas numéricas e 1 (uma) saída, sendo que esta saída poderá possuir 3 valores distintos (exemplo: a, b e c). Faça um desenho deste Perceptron: desenhe as entradas, o bias, as conexões com o(s) neurônio(s) e a função de ativação.

6) Supondo que cada amostra possui informações de uma pessoa e a primeira informação de cada amostra represente a altura (em metros), a segunda informação represente o peso (em Kg) e assim por diante.

a) O que é normalização?b) Qual a sua formula?c) No problema proposto é necessário normalizar os dados? Por quê?