Eng Civil

ELT 460 - Inteligˆncia Computacional e ´
Aula Pratica: Perceptron
´
Departamento de Engenharia Eletrica
ˆ
´
Centro de Ciencia Exatas e Tecnologicas, Universidade Federal de Vicosa
¸

Prof. Leonardo Bonato Felix
˜
Prof. Alexandre Santos Brandao

1

Introdu¸˜o ca No final da d´cada de 1950, foi introduzido, por Rosenblatt, o conceito de aprendizado supervisie

onado em neurˆnios artificiais. Como limita¸˜o intr´ o ca ınseca, o Perceptron somente pode assumir dois estados de sa´ (verdadeiro e falso), al´m de somente classificar grupos linearmente separ´veis. ıda e a Uma t´cnica usual para analisar o comportamento de um Perceptron ´ plotar um mapa com as e e regi˜es de decis˜o cobrindo as vari´veis de entrada. o a a Figura 1: Fronteira de decis˜o para separa¸˜o de duas classes. a ca
Para treinamento de um Perceptron utiliza-se o algoritmo a seguir.
Algorithm 1 Perceptron - fase de treinamento.
1: Obter a matriz de amostras de treinamento {x(k) };
2: Associar a sa´ desejada {d(k) } para cada amostra obtida; ıda 3: Iniciar o vetor de pesos w com valores aleat´rios pequenos; o 4: Especificar a taxa de aprendizagem {η};
5: Iniciar o contador de n´mero de itera¸˜es {epoca ← 0}; u co
6: Repetir as instru¸˜es: co 6.1: erro ← ”inexiste”;
6.2: Para todas as amostras de treinamento { x(k) , d(k) };
6.2.1: u ← wT .x(k) ;
6.2.2: y ← hardlim(u);
6.2.3: Se y ̸= d(k) ;
6.2.3.1: Ent˜o a 6.3: epoca ← epoca + 1;

{

w ← w + η.(d(k) − y).x(k) erro ← ”existe”

At´ que: erro ← ”inexiste” e Fim

1

2

Fun¸˜es Uteis co ´
Veja: randn, randperm, minmax

3

Roteiro

3.1
Implemente uma fun¸˜o para o treinamento do Perceptron. Esta fun¸˜o receber´ a matriz de ca ca a dados de entrada e o vetor de sa´ ıdas desejadas para cada exemplo e retornar´ o vetor de pesos treinado (que a deve incluir o bias) e o vetor de erro m´dio quadr´tico em cada itera¸˜o . e a ca 3.2
Gere duas nuvens de pontos (no plano)