Académique Documents
Professionnel Documents
Culture Documents
Um curso sobre
Programa
Programa
Processo de Aprendizagem Anlise de Componentes Principais Perceptrons de Simples e Mltiplas Camadas Mapas Auto Organizveis Redes Neurais Recorrentes Previso e Anlise de Sries Temporais
PCA visto no mdulo anterior
Rede de Hopfield
nica camada de neurnios totalmente e simetricamente interconectados a partir de operadores de atraso unitrio, no havendo conexes de um neurnio para ele mesmo Memria autoassociativa sem camada wij = wji escondida wii = 0 A aprendizagem realizada em Operadores de atraso de tempo um nico passo unitrio Na fase de uso, a propagao de uma entrada requer mltiplos passos at que um estado estvel seja atingido (sada da rede)
Rede de Hopfield
Modos de operao
Contnuo: funo de ativao no linear diferencivel (e.g. sigmide ou tangente hiperblica) Discreto: neurnios de McCulloch-Pitts (funo de ativao com limiar e sadas discretas) Exemplo da dinmica de estados de sada para uma rede de Hopfieldcom 2 neurnios e 2 estados estveis
sada do neurnio 2
Neurodinmica
sada do neurnio 1
Rede de Hopfield
Rede operando em modo discreto (neurnio de McCullochPitts)
net = soma ponderada de pesos por entradas Todas as entradas e sadas so bipolares (-1,1)
Rede de Hopfield
Pode ser vista como uma memria enderevel por contedo
Objetivo: recuperar padres armazenados em memria em resposta apresentao de uma verso imcompleta ou ruidosa daquele padro
Os estados estveis da rede correspondem aos padres a serem armazenados Pode ser vista como um corretor de erros na medida em que pode sobrescrever informao inconsistente luz das evidncias apresentadas rede
Rede de Hopfield
A essncia de uma memria enderevel por contedo mapear uma memria fundamental em um ponto fixo estvel (estado prottipo) de um sistema dinmico
codificao
Rede de Hopfield
Considere que a rede recebe como entrada um padro contendo informao parcial, porm suficiente, sobre uma das memrias fundamentais Tal padro considerado um estado inicial no espao de estados A dinmica de operao da rede, mediada pelas conexes recorrentes, far com que haja uma transio de estados na direo da memria estvel
Rede de Hopfield
Treinamento
Como nos Perceptrons, o algoritmo de treinamento derivado a partir da minimizao de uma funo de energia para um padro particular Minimizar a funo de energia de Lyapunov
1 E = wi , j xi x j + xi i 2 i j i i
Como resultado chega-se regra de treinamento de uma rede de Hopfield operando em modo discreto (aprendizagem do tipo Hebbiana)
Rede de Hopfield
Treinamento (fase de armazenamento)
Seja 1,2,..., um conjunto N-dimensional de memrias fundamentais conhecidas (1) Computar os pesos sinpticos como sendo:
Rede de Hopfield
Inicializao (da fase de recuperao)
Seja probe um vetor de entrada (teste) N-dimensional apresentado rede. O algoritmo de uso inicializado da seguinte forma:
Rede de Hopfield
Iterao (da fase de recuperao) at convergncia (estabilidade)
Atualizar os elementos do vetor de estado x(n) assincronamente (i.e. randomicamente e um por vez), conforme a regra:
Rede de Hopfield
Gerao da sada (da fase de recuperao)
O vetor de sada y resultante da rede de Hopfield definido como: y = xfixo Em que xfixo denota o estado estvel computado ao final da etapa anterior (iterao)
Rede de Hopfield
Capacidade definida pela teoria da informao como: 2 log
em que M denota o nmero de padres de treinamento (memrias estveis) e N, o nmero de neurnios da rede
Estados esprios (mnimos locais de energia): quando M muito grande, passam a existir estados esprios (estados que no foram treinados, mas que podem atrair as entradas durante o processo de convergncia) Demo: http://www.cbu.edu/~pong/ai/hopfield/hopfieldapplet.html
retroalimentao
Sada
Vetor de Entrada
Camada Escondida
Camada de Sada
Vetor de Sada
2 Camada Escondida
Camada de Sada
Vetor de Sada
Dvidas