Universidade José do Rosário Vellano - UNIFENAS

WEB AULA  

Semana 2:

 

Perceptron / Adaline

 

Uso

 

Aprendizado

 

Para realizar o treinamento (aprendizado) de um padrão, é necessário primeiramente passá-lo para a forma de 1 e -1 . É comum encontrarmos arquivos de padrões em binários, resultantes, por exemplo, de processamento de sinais digitais. Cada 0 do padrão binário deve ser colocado na forma de -1 para que não hajam erros na execução das equações do algoritmo. Caso o padrão seja contínuo, este processamento torna-se desnecessário.

 

A forma em que são apresentados os padrões também é de grande importância. Se há mais de um, devem ser apresentados aleatoriamente, ou de forma alternada. Nunca se deve treinar um padrão para somente depois treinar outro, isso deixaria os pesos da rede sempre tendendo a apenas um dos padrões.

 

Um outro passo é o ajuste dos parâmetros do algoritmo, que são o coeficiente de aprendizado e o coeficiente de limiar . O coeficiente determina o intervalo de ajuste dos pesos, quanto maior seu valor, maior será a diferença dos valores de uma iteração a outra. Quanto maior o valor, maior o intervalo de ajuste, e portanto maior será a rapidez de convergência. Por outro lado, se o valor de for sempre alto, poderá ocorrer o caso do sistema nunca chegar numa convergência, entrando em laço infinito. Isto porque os valores nunca serão pequenos o suficiente para garantir uma saída confiável, bem próxima a 0 ou a 1, dependendo da saída desejada. O valor de pode ser arbitrado (e, de certa forma, terá que ser inicialmente arbitrado) pelo projetista da aplicação, devendo ficar dentro do intervalo [0.01;1.0]. O coeficiente poderá ser variável, seguindo uma função decrescente, partindo de um valor maior para um menor quando próximo da convergência.

Já o coeficiente de limiar pode seguir um ajuste conjuntamente com os pesos ou ser definido pelo projetista. Ele é responsável pelo deslocamento, na função limiar, do ponto central de decisão da quantização da saída. Em outras palavras, um coeficiente valendo 0 significa que não há deslocamento em relação ao ponto onde a função limiar cruza o eixo das abscissas (veja figura 3).

 

Enquanto o eixo das abscissas indica a saída linear S resultante da soma ponderada, o eixo das ordenadas corresponde à saída quantizada Sq , e o coeficiente de limiar determina qual valor será o limite para a transferência de -1 para 1, ou vice-versa. Por exemplo, se for definido como sendo 0,5, os valores de saída abaixo (ou igual) a este coeficiente passarão a valer -1, caso contrário 1.

 

Uma vez realizado o ajuste dos parâmetros, obtém-se, após um determinado número de iterações, uma saída como a desejada.

 

Reconhecimento

 

Para efetuar o reconhecimento de um padrão, ou seja, saber se ele pertence ou não ao conjunto de padrões treinados, basta que o algoritmo seja executado uma vez, sem o ajuste de pesos. Para tanto, apresenta-se o padrão de teste na entrada e verifica-se se a saída quantizada corresponde a algum padrão treinado.

 

 

Voltar...