Académique Documents
Professionnel Documents
Culture Documents
Inteligncia Computacional Aula 4 Viso Geral de Inteligncia Computacional e Redes Neurais Graduao - 2003/2
Prof. A. C. G. Thom, PhD thome@nce.ufrj.br Airam C. P. B. Marques airamcpbm@posgrad.nce.ufrj.br
Inteligncia Computacional
o brao da Cincia da Computao que estuda formas de criar mquinas espertas, i.e. com capacidade de realizar funes normalmente associadas inteligncia humana. Webster Tcnicas e sistemas computacionais que imitam aspectos humanos tais como:
Percepo Aprendizado Evoluo Adaptao
Inteligncia Computacional
Inspirao na natureza
Lgica Nebulosa
Processamento lingustico
Redes Neurais
Estrutura do crebro Neurnios biolgicos
Algoritmos Genticos
Evoluo biolgica
Sistemas Hbridos
Aspectos combinados
Inteligncia Computacional
Atuao
Suporte deciso Classificao de Dados Reconhecimento de Padres Previso Otimizao Controle Descoberta do Conhecimento
Exemplos
Fuji Bank
Sistema de negociao de Bolsa de Valores (LN)
Eletrobrs
Previso do consumo mensal de energia eltrica (RN)
Embratel
Classificao de clientes (AG e RN)
Lgica Nebulosa
Lgica Fuzzy prov um mtodo de traduzir expresses verbais, vagas, imprecisas e qualitativas, comuns na comunicao humana em valores numricos. Trata matematicamente informaes imprecisas usualmente empregadas na comunicao humana. Abre as portas para se converter a experincia humana em uma forma compreensvel pelos computadores.
Lgica Nebulosa
Lgica tradicional
Tudo deve ser ou no ser, seja no presente ou no futuro. Aristteles
Lgica Nebulosa
Lgica Tradicional
(Aristteles)
Lgica Nebulosa
No
No
Sim
Sim
Lgica Nebulosa
Pensando Nebulosamente
Se a roda deslizar solte o freio um pouco Se a terra est muita seca e a temperatura alta regue muito tempo Medida Fsica Idade = 35 Nota = 10 Nota = 8,5 Medida Nebulizada Idade = meia, meia(i) = 0,8 Nota = A, A(t) = 1,0 Nota = A, A(t) = 0,87
Lgica Nebulosa
Conjuntos Nebulosos
Grau de pertinncia no conj. dos Baixos 1
1.7
1.8
Altura (m)
As pessoas entre 1.7 e 1.8 metros no so nem baixas e nem no baixas. Essa regio nebulosa.
Lgica Nebulosa
Conjuntos Nebulosos
Altos 1
1.7
1.8
Altura (m)
Lgica Nebulosa
Conjuntos Nebulosos
Mdio 1
1.7
1.75
1.8
Altura (m)
Lgica Nebulosa
Operadores Lgicos
Lgica Tradicional AB AB A Lgica Nebulosa min(A,B) max(A,B) 1-A
Os operadores nebulosos no precisam necessariamente serem definidos desta forma, por exemplo, A B pode ser definido tambm como AB.
Lgica Nebulosa
Sistema Nebuloso
Recebe variveis numricas como entradas e gera sadas numricas.
X1 X2
Y1
Sistema Nebuloso
Y2
Xn
Ym
Lgica Nebulosa
Sistema Nebuloso
Nebulizao: Para cada varivel de entrada, computar o grau de pertinncia da varivel para cada conjunto associado. Por exemplo, se a varivel de entrada for altura, devemos computar os graus de pertinncia dos conjuntos associados a altura, como os conjuntos Alto, Mdio e Baixo.
Lgica Nebulosa
Sistema Nebuloso
Computar Regras: Processar cada regra e computar a sua fora de acordo com os graus de pertinncia. Computar as sadas: Cada varivel de sada computada de acordo com as regras associadas a ela.
Lgica Nebulosa
Sistema Nebuloso
Exemplo:
Se (velocidade alta) e (distncia da curva muito prxima) ento desacelere muito. Se (velocidade alta) e (distncia da curva muito longe) ento mantenha velocidade. Variveis de entrada: velocidade e distncia para prxima curva. Conjuntos Nebulosos: muito prxima, alta, desacelere muito e mantenha velocidade. Varivel de sada: acelerao.
Lgica Nebulosa
Vantagens
Utilizam regras que expressam as imprecises e aproximaes do mundo real Mais fceis de entender, manter e testar Podem ser prototipados em menos tempo So robustos. Operam com falta de regras ou regras defeituosas Necessitam menos regras Avaliam regras paralelamente
Desvantagens
Necessidade do especialista para construo da base de regras Necessitam mais simulaes e testes No aprendem facilmente Dificuldade de estabelecer regras corretamente No h uma definio matemtica precisa
Lgica Nebulosa
Aplicaes
Sistemas de controle Sistemas de apoio deciso Aproximao de funes
Produtos Comerciais
Sistemas ABS medem deslizamento e travamento das rodas para controlar freios Mitsubishi desenvolveu sistema que controla suspenso, trao, transmisso e ar
Hitachi usa 150 regras para negociar bonds e mercados futuros
Lavadoras de roupa medem peso e sujeira da roupas para avaliar programa de lavagem
Algoritmos Genticos
So algoritmos de otimizao e busca baseados nos mecanismos de seleo natural e gentica. Fazem uso dos princpios de seleo e evoluo natural das espcies introduzido por Charles Darwin. Combina sobrevivncia do mais apto e cruzamento aleatrio de informao. A melhor soluo para um determinado problema sobrevive e destaca-se das demais, aps um nmero razovel de geraes, graas ao seu melhor grau de aptido e adequabilidade ao problema.
Algoritmos Genticos
Evoluo Natural Indivduo Cromossoma Reproduo sexual Mutao Populao Geraes Meio ambiente Algoritmos Genticos Soluo Representao Operador Cruzamento Operador Mutao Conjunto de Solues Ciclos Problema
Algoritmos Genticos
Crossover
Pai 01011110 0110 Filho1 01011110 0100 Me 01010110 0100 Filho2 01010110 0110
soluo encontrada? no
sim
fim
Mutao
Pai 01010110 0110 2 Gerao 01010111 0110
seleo reproduo
Algoritmos Genticos
Vantagens
Tcnica de busca global Dispensa formulao matemtica precisa do problema
Desvantagens
Dificuldade na representao do cromossoma Evoluo demorada em alguns problemas Modelagem depende de especialista em AG (muitos parmetros)
Algoritmos Genticos
Aplicaes Industriais
BBN
Roteamento de Telecomunicaes
Aplicaes Comerciais
SearchSpace
Deteco de Fraude na Bolsa de Londres
ATTAR
Planejamento da programao de TV
IOC
Planejamento dos Jogos Olmpicos
BRITISH GAS
Otimizao da Distribuio de Gs
CAP VOLMAC
Avaliao de Crdito e Anlise de Risco
Redes Neurais
Redes Neurais
Neurnio artificial Estrutura em camadas Centenas Aprendizado Generalizao Associao Reconhecimento de Padres Neurnio biolgico Rede de neurnios 100 bilhes de neurnios Aprendizado Generalizao Associao Reconhecimento de Padres
Crebro
Redes Neurais
Neurnio Biolgico
den itos dr
Redes Neurais
Neurnio Artificial
Entradas Pesos
W
. . .
ff
W
Sada
Sinal
Redes Neurais
Neurnio Artificial
x1 w1
Funo de Ativao Funo de Propagao
x2
. . .
w2
xn
wn
y = f ( X , W ) = P ( A( X , W ))
Redes Neurais
Funo de Ativao
A( X , W ) = X , W = wi xi
i =1
A: R
2N
Redes Neurais
Funes de Propagao
f(x) 1 f(x) 1 1/2
Funo Degrau
Funo Sigmoid
Redes Neurais
Funes de Propagao
f(x) 1 f(x) 1
x -1 -1
Funo Sinal
Redes Neurais
Arquiteturas de RNAs
Quanto ao nmero de camadas
1 - redes de nica camada: s existe um n entre qualquer entrada e qualquer sada da rede. 2 - redes de mltiplas camadas: existe mais de um neurnio entre alguma entrada e alguma sada da rede.
x1 x2 x3
x1 x2 x3
Redes Neurais
Arquiteturas de RNAs
Quanto ao tipo de conexo
1 feedforward, ou acclica: a sada de um neurnio na i-sima camada da rede no pode ser usada como entrada de nodos em camadas de ndice menor ou igual a i 2 feedback, ou cclica: a sada de algum neurnio na i-sima camada da rede usada como entrada de nodos em camadas de ndice menor ou igual a i
x1 x2 x3
x1 x2 x3
Redes Neurais
Arquiteturas de RNAs
Quanto ao tipo de conectividade
1 parcialmente conectada 2 completamente conectada
x1 x2 x3
x1 x2 x3
Redes Neurais
Arquiteturas de RNAs
Quanto estrutura
1 esttica: a estrutura no se altera, ou seja, o nmero de neurnios, o nmero de camadas e o grau de conectividade no se alteram. 2 auto-organizvel: so redes que tanto o nmero de neurnios e camadas so dinmicos.
Redes Neurais
Aprendizado
Aprendizagem o processo pelo qual os parmetros livres de uma rede neural so adaptados atravs da estimulao pelo ambiente no qual est inserida. Passos do processo de aprendizagem
A rede neural estimulada pelo ambiente A rede sofre modificaes nos seus parmetros livres A rede responde de uma maneira diferente ao ambiente.
Redes Neurais
Aprendizado Supervisionado
Existe um professor que sabe como a rede tem que responder para determinados estmulos do ambiente. Desta forma, o professor orienta o treinamento para que os pesos da rede sejam ajustados de maneira a gerar uma resposta correta.
AMBIENTE
SINAL DE ERRO
Redes Neurais
Aprendizado No-Supervisionado
No h professor, ou seja, no se sabe como a rede deve responder aos estmulos do ambiente.
AMBIENTE
SISTEMA DE APRENDIZAGEM
Redes Neurais
Generalizao: Espera-se que aps a rede ter
sido treinada, ela saiba responder corretamente para estmulos (entradas) diferentes das utilizadas no treinamento.
Redes Neurais
Vantagens
Aprendizado automtico Tolerante a dados ruidosos e incompletos Resposta rpida Modelos compactos
Desvantagens
Ausncia de explicaes Sensvel a quantidade de dados disponvel