Inteligencia artificial - perceptor

Perceptrons

Introdução
• No final da década de 1950, Rosenblatt na Universidade de Cornell, criou uma genuína rede de múltiplos neurônios do tipo discriminadores lineares e chamou esta rede de perceptron. Um perceptron é uma rede com os neurôn ios dispostos em camadas. • Estes podem ser considerados o primeiro modelo de redes neurais.

Introduç ã o
• Perceptron aprende conceitos, ele pode aprender a responder com verdadeiro (1) ou falso (0) pelas entradas que nós apresentamos a ele, “estudando” repetidamente os exemplos que lhe sã o apresentados. • O perceptron é uma rede neural cujos os pesos e inclinaç ões podem ser treinados para produzir um vetor alvo que quando apresentamos tem que corresponder ao vetor de entrada.

Treinamento
• Vetores de um grupo de treinamento sã o apresentados para a rede um apó s o outro. Se a saída da rede está correta, nenhuma mudanç a é feita. Por outro lado, os pesos e as inclinaç õ es sã o atualizados usando as regras de aprendizado do perceptron. Uma passagem inteira de treinamento de entrada de um vetor é c hamado é poca.

Limitaç õ es
• As redes perceptron tem duas limitaç õ es. Primeiro, os valores de saída do perceptron podem assumir somente dois valores (Verdadeiro ou Falso). Segundo, perceptrons somente podem classificar grupos de vetores linearmente separados.

Perceptron de Camadas Simples
• O perceptron de camada simples é um exemplo de redes que podem ser usadas com entradas biná rias e bipolares. • Uma té cnica usual para analisar o comportamento de redes como perceptron é plotar um mapa com as regiõ es de decisã o criadas num espaç o multidimensional abrangido pela variá veis de entrada.

Perceptron de Camadas Simples
• 1º Passo: inicializar pesos e threshold com zero. • 2º Passo: apresentar nova entrada que vai se somar a saída desejada . • 3º Passo: calcular saída atual. • 4º Passo: atualizar o peso. Esta atualizaç ã o é feita atravé s da fó rmula:

Perceptron de Camadas Simples
Wi( t + 1 ) =