redes neurais artificiais

EXERCICIO PRÁTICO #1

CARLOS ALBERTO CARVALHO

UFLA 2014/01

1 - Implementar o Perceptron no SCILAB, como uma função. A função de ativação do Perceptron é a limiar (ou degrau, com saída 0 ou 1).
Declaração da função: function y = yperceptron(X,W,b)
Onde:
X (m x t) é uma matriz de números reais. Cada linha (m) de X é um dos M atributos (ou características) da amostra de dados. Cada coluna (t) de
X é uma das T instâncias (ou amostras) dos dados.
W (1 x m) é um vetor linha de números reais com o valor dos pesos de cada entrada m (atributo) do Perceptron. b é um escalar com o valor em real do bias do Perceptron para a entrada que está sempre em +1. m e t podem ser qualquer valor inteiro maior que zero. y é um vetor com os valores da saída no neurônio (0 ou 1) para cada amostra de X.
2- Desenvolver o programa (script) que testa a função criada no item 1, com os seguintes valores que implementam a função lógica AND:
X = [0 1 0 1 ; 0 0 1 1];
W = [0.4 0.4]; b = -0.6;
A saída do Perceptron (função lógica AND) deverá ser: y = [0 0 0 1]
3 - Repetir o item anterior para a função lógica OR. Modifique os valores de pesos e bias se necessário. A saída do Perceptron (função lógica OR) deverá ser: y = [0 1 1 1]

// X = matriz 2 * t de valores reais bidimensionais
// C = vetor com as t clases dos valores de X function plotadc2d(X, C)
S = ['or', 'ob', '+r', '+b', '.k']; for i = 1:length(C) plot(X(1, i), X(2, i), S(C(i)+1)) end endfunction
// Função de ativação de limiar function d=degrau(u) if u >= 0 then d = 1; else d = 0; end endfunction
// Perceptron com função de ativação de limiar function [y]=yperceptron(X, W, b) for i = 1:length(X(1,:)) s = b; s = s+sum(W(1)*X(:,i)); y(1,i) = degrau(s); end endfunction
// Programa principal
X = [0 1 0 1 ; 0 0 1 1];
W = [0.4 0.4]; b = -0.6;
Y = yperceptron(X,W,b); isoview(-0.5,1.5,-0.5,1.5) plotadc2d(X,Y) x1 = [-0.5:1.5]; y1 = -(W(1)/W(2))*x1 - b/W(2);
plot(x1,y1)