Vous êtes sur la page 1sur 7

REDES NEURAIS APLICADAS PARA ENGENHARIA E CINCIAS APLICADAS

http://laips.sel.eesc.usp.br/livrorna/

http://www.livrariacultura.com.br/scripts/resenha/resenha.asp?nitem=22155642&sid=62497
123012717317883904211&k5=3B44D6A6&uid=
R$ 95,00
Contedo do Livro
Prefcio, 13
Organizao, 15
Agradecimentos, 17
Parte I Arquiteturas de redes neurais artificiais e seus aspectos tericos, 19
Captulo 1 Introduo, 21
1.1 Conceitos iniciais, 24
1.1.1 Caractersticas principais, 24
1.1.2 Resumo histrico, 25
1.1.3 Potenciais reas de aplicaes, 27
1.2 Neurnio biolgico, 29
1.3 Neurnio artificial, 33
1.3.1 Funes de ativao parcialmente diferenciveis, 36
1.3.2 Funes de ativao totalmente diferenciveis, 38
1.4 Parmetros de desempenho, 42
1.5 Exerccios, 43

Captulo 2 Arquiteturas de redes neurais artificiais e processos de treinamento, 45
2.1 Introduo, 45
2.2 Principais arquiteturas de redes neurais artificiais, 46
2.2.1 Arquitetura feedforward de camada simples, 46
2.2.2 Arquitetura feedforward de camadas mltiplas, 47
2.2.3 Arquitetura recorrente ou realimentada, 49
2.2.4 Arquitetura em estrutura reticulada, 50
2.3 Processos de treinamento e aspectos de aprendizado, 50
2.3.1 Treinamento supervisionado, 51
2.3.2 Treinamento no-supervisionado, 52
2.3.3 Treinamento com reforo, 53
2.3.4 Aprendizagem usando lote de padres (off-line), 53
2.3.5 Aprendizagem usando padro-por-padro (on-line), 54
2.4 Exerccios, 54

Captulo 3 Rede Perceptron 57
3.1 Introduo, 57
3.2 Princpio de funcionamento do Perceptron, 59
3.3 Anlise matemtica do Perceptron, 61
3.4 Processo de treinamento do Perceptron, 63
3.5 Exerccios, 68
3.6 Projeto prtico, 70

Captulo 4 Rede Adaline e regra Delta, 73
4.1 Introduo , 73
4.2 Princpio de funcionamento do Adaline, 74
4.3 Processo de treinamento do Adaline, 76
4.4 Comparao entre o processo de treinamento do Adaline e Perceptron, 83
4.5 Exerccios, 86
4.6 Projeto prtico, 87

Captulo 5 Redes Perceptron multicamadas, 91
5.1 Introduo, 91
5.2 Princpio de funcionamento do Perceptron multicamadas,92
5.3 Processo de treinamento do Perceptron multicamadas, 94
5.3.1 Derivao do algoritmo backpropagation, 95
5.3.2 Implementao do algoritmo backpropagation, 108
5.3.3 Verses aperfeioadas do algoritmo backpropagation, 111
5.4 Aplicabilidade das redes Perceptron multicamadas, 120
5.4.1 Problemas envolvendo classificao de padres, 121
5.4.2 Problemas envolvendo aproximao funcional, 132
5.4.3 Problemas envolvendo sistemas variantes no tempo, 137
5.5 Aspectos de especificao topolgica de redes PMC, 146
5.5.1 Aspectos de mtodos de validao cruzada, 147
5.5.2 Aspectos de subconjuntos de treinamento e teste, 151
5.5.3 Aspectos de situaes de overfitting e underfitting, 153
5.5.4 Aspectos de incluso de parada antecipada 155
5.5.5 Aspectos de convergncia para mnimos locais 157
5.6 Aspectos de implementao de redes Perceptron multicamadas, 158
5.7 Exerccios, 163
5.8 Projeto prtico 1 (aproximao de funes), 164
5.9 Projeto prtico 2 (classificao de padres), 166
5.10 Projeto prtico 3 (sistemas variantes no tempo), 169

Captulo 6 Redes de funes de base radial (RBF), 173
6.1 Introduo, 173
6.2 Processo de treinamento de redes RBF, 174
6.2.1 Ajuste dos neurnios da camada intermediria (estgio I), 174
6.2.2 Ajuste dos neurnios da camada de sada (estgio II), 181
6.3 Aplicabilidades das redes RBF, 183
6.4 Exerccios, 190
6.5 Projeto prtico 1 (classificao de padres), 191
6.6 Projeto prtico 2 (aproximao de funes), 194

Captulo 7 Redes recorrentes de Hopfield, 199
7.1 Introduo, 199
7.2 Princpio de funcionamento da rede de Hopfield, 201
7.3 Condies de estabilidade da rede de Hopfield, 204
7.4 Memrias associativas, 207
7.4.1 Mtodo do produto externo, 208
7.4.2 Mtodo da matriz pseudo-inversa, 210
7.4.3 Capacidade de armazenamento das memrias, 211
7.5 Aspectos de projeto de redes de Hopfield, 213
7.6 Aspectos de implementao em hardware, 215
7.7 Exerccios, 217
7.8 Projeto prtico, 218

Captulo 8 Redes auto-organizveis de Kohonen, 221
8.1 Introduo, 221
8.2 Processo de aprendizado competitivo, 222
8.3 Mapas auto-organizveis de Kohonen (SOM), 229
8.4 Exerccios, 237
8.5 Projeto prtico, 238

Captulo 9 Redes LVQ e counter-propagation, 243
9.1 Introduo, 243
9.2 Processo de quantizao vetorial, 244
9.3 Redes LVQ (learning vector quantization), 247
9.3.1 Algoritmo de treinamento LVQ-1, 248
9.3.2 Algoritmo de treinamento LVQ-2, 252
9.4 Redes counter-propagation, 254
9.4.1 Aspectos da camada outstar, 256
9.4.2 Algoritmo de treinamento da rede counter-propagation, 257
9.5 Exerccios, 259
9.6 Projeto prtico, 260

Captulo 10 Redes ART (adaptive resonance theory), 263
10.1 Introduo, 263
10.2 Estrutura topolgica da rede ART-1, 265
10.3 Princpio da ressonncia adaptativa, 268
10.4 Aspectos de aprendizado da rede ART-1, 269
10.5 Algoritmo de treinamento da rede ART-1, 279
10.6 Aspectos da verso original da rede ART-1, 281
10.7 Exerccios, 284
10.8 Projeto prtico, 285

Parte II Aplicaes de redes neurais artificiais em problemas de engenharia e
cincias aplicadas, 287

Captulo 11 Estimao da qualidade global de caf utilizando o Perceptron
multicamadas, 289
11.1 Introduo, 289
11.2 Caractersticas da Rede PMC, 290
11.3 Resultados computacionais, 292

Captulo 12 Anlise do trfego de redes de computadores utilizando
protocolo SNMP e rede LVQ, 295
12.1 Introduo, 295
12.2 Caractersticas da rede LVQ, 297
12.3 Resultados computacionais, 299

Captulo 13 Previso de tendncias do mercado de aes utilizando redes
recorrentes, 301
13.1 Introduo, 301
13.2 Caractersticas da rede recorrente, 303
13.3 Resultados computacionais, 304

Captulo 14 Sistema para diagnstico de doenas utilizando redes ART, 309
14.1 Introduo, 309
14.2 Caractersticas da Rede ART, 311
14.3 Resultados computacionais, 312

Captulo 15 Identificao de padres de adulterantes em p de caf usando mapas
de Kohonen, 315
15.1 Introduo, 315
15.2 Caractersticas da rede de Kohonen, 316
15.3 Resultados computacionais, 319

Captulo 16 Reconhecimento de distrbios relacionados qualidade da energia
eltrica utilizando redes PMC, 321
16.1 Introduo, 321
16.2 Caractersticas da rede PMC, 325
16.3 Resultados computacionais, 326

Captulo 17 Controle de trajetria de robs mveis usando sistemas fuzzy e redes
PMC, 329
17.1 Introduo, 329
17.2 Caractersticas da rede PMC, 331
17.3 Resultados computacionais, 334

Captulo 18 Mtodo para classificao de tomates usando viso computacional e
redes PMC, 339
18.1 Introduo, 339
18.2 Caractersticas da rede neural, 341
18.3 Resultados computacionais, 345

Captulo 19 Anlise de desempenho de redes RBF e PMC em classificao de
padres, 347
19.1 Introduo, 347
19.2 Caractersticas das redes RBF e PMC, 348
19.3 Resultados computacionais, 349

Captulo 20 Resoluo de problemas de otimizao com restries por redes de
Hopfield, 355
20.1 Introduo, 355
20.2 Caractersticas da rede de Hopfield, 357
20.3 Mapeamento de problemas de otimizao pela rede de Hopfield, 359
20.4 Resultados computacionais, 364
Bibliografia, 371
Apndice I, 381
Apndice II, 383
Apndice III, 385
Apndice IV, 391
Apndice V, 395
ndice remissivo, 397

---------------------------------------------------------------------------------------------
Os autores so imensamente agradecidos aos vrios colegas que contriburam para a realizao
desta compilao, dispondo de preciosos momentos a fim de auxiliar prontamente nesta
importante e nobre empreitada. Em especial, gostariam de expressar seus agradecimentos aos
colegas que colaboraram na formulao da Parte II deste livro: Alexandre C. N. de Oliveira,
Anderson da Silva Soares, Andr L. V. da Silva, Antonio V. Ortega, Dbora M. B. S. de Souza,
Edison A. Goes, Ednaldo J. Ferreira, Eduardo A. Speranza, Fabiana C. Bertoni, Jos Alfredo C.
Ulson, Juliano C. Miranda, Lucia Valria R. de Arruda, Marcelo Suetake, Matheus G. Pires,
Michelle M. Mendona, Valmir Ziolkowski, Wagner C. Amaral, Washington L. B. Melo e Wesley
F. Usida.