Redes neurais artificiais

Page 7

Treinamento do Perceptron (cont.)

Separabilidade Linear • Porta “E”

x0 w0

net

Σ

xm w m

x x y

y

∆Wi

0 0 1 1

+

x λ

yd

+

0 1 0 1

z 0 0 0 1

• Porta “OU” x

5 9

y

y

5

masculino

codificação

X

0

X

0

4 .5 5

y

y

z

5x + 5y = 4

x

x

• início do treinamento – b=0

0

1

X

1

0

– w1 = 0

Lúcia

X

1

1

– w2 = 0

Exemplo (cont.)

Exemplo (cont.)

• apresentação do primeiro elemento à rede neural +1 b

• apresentação do segundo elemento à rede neural

0 w1

0 w2

– net = b ∗ 1 + w1 ∗ 0 + w2 ∗ 1

– net = 0 ∗ 1 + 0 ∗ 0 + 0 ∗ 0 = 0

– net = 0 ∗ 1 + 0 ∗ 0 + 0 ∗ 1 = 0

– y=0 e d=0

– y=0 e d=0

(resposta correta)

.5 5

• condições de disparo – se net > 0 y = 1 (feminino) – se net ≤ 0 y = 0 (masculino)

Maria

– net = b ∗ 1 + w1 ∗ 0 + w2 ∗ 0

1 1 1 0

0 1 0 1

Exemplo (cont.)

• considere um conjunto de pessoas (4 elementos) formado por homens e mulheres. Treinar uma rede Perceptron, que seja capaz de reconhecer o sexo das pessoas.

Paulo

0 0 1 1

x

Exemplo

feminino

z

x

∆Wi= λ.(yd-y).X

José

x y

5x + 5y = 9

onde: λ é a taxa de aprendizado

nome

z

+1 b

0 w1

1 w2

(resposta correta)

7


Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.