Professional Documents
Culture Documents
Aula 1)
1) Explique por que o Perceptron somente consegue classificar padrões cuja fronteira
de separação entre as classes seja linear.
Pois ele pode ter apenas 2 saidas possíveis que so irá convergir se as classes forem
linearmente separáveis.
3) Dois projetistas de instituições diferentes estão aplicando uma rede Perceptron para
mapear o mesmo problema de classificação de padrões. Discorra se é correto afirmar
que ambas as redes convergirão com o mesmo número de épocas.
Não, pois a quantidade de épocas para convergência varia em função de:
_ Valores iniciais que foram atribuídos ao vetor de pesos { w };
_ Disposição espacial das amostras de treinamento;
_ Valor especificado para a taxa de aprendizagem { h }.
B A
B
A
Aula 4 Adaline
Adaline Perceptron
Processo de treinamento Regra DELTA Regra de Hebb
(ajuste)
Objetivo Minimizar a diferença entra Considera a resposta
a saída desejada (d) e a produzida após a
resposta do combinador apresentacao individual de
linear (u), considerando cada amostra
todas as amostras de
treinamento disponiveis
convergencia Independente dos valores Pode haver vários
iniciais atribuídos ao vetor hiperplanos apropriados, pois
de peso, a linha de ficam dentro de uma faixa de
separação após a separabilidade
convergência será sempre o
mesmo
3) O que pode ser feito para evitar a convergência da rede para pontos de mínimos
locais inapropriados?
Para evitar a convergência da rede para mínimos locais inapropriados, pode-se
executar o treinamento de cada topologia candidata mais de uma vez, com
diferentes matrizes de pesos iniciais (geradas aleatoriamente).
4) O que pode ser feito para cessar o treinamento quando a precisão especificada se
torna inalcançável?
Impor uma quantidade máxima de épocas como critério adicional de parada do
algoritmo de treinamento do PMC.
2) O que acontece em cada estágio de treinamento das redes RBF? Qual é o tipo de
aprendizado empregado em cada estágio?
a primeira os ajustes da camada intermediaria é feito através de um método não
supervisionado depende apenas dos dados de entrada, na segunda fase os pesos
da camada de saída são ajustados utilizando o aprendizado supervisionado
(similar ao pmc na ultima camada - regra delta generalizada)
AULA 9 – Kohonen
4) Quais são os três aspectos que devem ser considerados na configuração de uma
SOM?
Definição da organização espacial (grid) dos neurônios;
_ Delimitação dos conjuntos de vizinhança de cada neurônio;
_ Especificação do critério de ajuste do vetor de pesos do neurônio vencedor e
de seus vizinhos.
AULA 10 – ART - 1