387439-trabalhoredesneurais
Post on 15-Jan-2016
1 Views
Preview:
DESCRIPTION
TRANSCRIPT
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?
top related