2ª Avaliação de Inteligência Artificial

Revisão para 2ª AV de Inteligência Artificial. 

1. Defina o que é uma Rede Neural com aprendizado supervisionado. 

R. É uma rede onde existe um facilitador que tem conhecimento prévio sobre o ambiente. Esse conhecimento é representado por um conjunto de exemplos históricos armazenados. E é fornecida uma referência do objetivo a ser alcançado. Um exemplo é um aprendizado por correção de erro; O erro de uma Rede Neural pode ser calculado como a diferença entre a saída real gerada pela rede e a saída desejada. 

2. Quais os elementos fundamentais de uma Rede Neural? Ilustre e exemplifique. 

R. - A função das Unidades De Processamento: 

Cada unidade é caracterizada por três elementos básicos, um conjunto de conexões de entrada, um estado de ativação e um valor de saída (resposta). 

- Uma rede pode possuir uma das seguintes Topologias: 

Redes Neurais Diretas (Feedforward): São Redes em camadas. 

Redes Neurais Recorrentes: Este tipo de rede contém pelo menos um ciclo (realimentação, retroação ou “feedback”) no seu grafo. Podem ser compostas por uma ou mais camadas sendo que cada neurônio fornece o seu sinal de saída como entrada para cada um dos outros neurônios; 

Redes Neurais Construtivas: São redes que constroem gradualmente suas próprias estruturas até atingirem uma solução satisfatória. 

- A estratégia ou Algoritmo De Aprendizagem: 

Escolha de um algoritmo de aprendizagem apropriado em que uma função, a partir de exemplos da amostra, seleciona uma determinada função, de um conjunto de funções existente, para melhor aproximação dos dados ideais. Podendo ser: aprendizagem supervisionada, não supervisionada e por reforço. 

3. Descreva O Neurônio Biológico e suas principais estruturas. 

R. Um neurônio biológico constitui-se de axônio que conduz o sinal neural representado de algum modo de um determinado conhecimento processado pelo corpo celular, dendrito que são ramificações que capitam estímulos que pode ou não vir de outro neurônio, nessas ramificações contem a sinapse, que um é canal entre os neurônios, possibilitando a transmissão sináptica conduzindo assim o sinal neural, resultado este de um impulso nervoso e consequência da atividade do potencial de ação, sendo ele o menor estimulo capaz de causar um estimulo limiar. 

4. Descreva: Entradas, Saídas e Função de Ativação em uma Rede neural artificial. 

R. As entradas de uma rede neural recebem dados da saída de outros neurônios artificiais, também capitam os estímulos, que são processados pela função de soma, possuindo também uma função de transferência que equivale ou estimulo, e as saídas que para outro neurônio podem ser uma entrada. 

5. Processe a operação Lógica NAND usando Perceptron. (NAND é Negação do AND) 

R. 0 = falso 1 = verdadeiro 

6. Classifique uma rede Neural quanto ao aprendizado. 

R- Uma Rede Neural pode ser classificada pelo aprendizado Supervisionado (requer um instrutor), Não – Supervisionado (aprende por tentativa e erro) e por Reforço (aprende por auto-estímulo). 

A propriedade mais importante das redes neurais é a habilidade de aprender de seu ambiente e com isso melhorar seu desempenho. Isso é feito através de um processo iterativo de ajustes aplicado a seus pesos, o treinamento. O aprendizado ocorre quando a rede neural atinge uma solução generalizada para uma classe de problemas. 

7. Defina o que é uma Rede Neural. 

R- Redes Neurais Artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência. 

8. Quais os elementos fundamentais de um Perceptron? Ilustre e exemplifique. 

R- Os elementos são: Entrada, Pesos, Função de Soma, Função de Transferência, Saída. 

Ilustração: 

Exemplificação: 

O Perceptron foi o primeiro Modelo de RNA. Ele é um programa que aprende conceitos, recebe e estuda os Valores de Entrada podendo responder com Verdadeiro ou Falso, tem como regra de aprendizagem a Regra de Aprendizagem Perceptron. E possui duas Camadas constituindo-se de Neurônios que possui a função Threshold que é uma função de Transferência. 

Ou... 

9. Processe a operação Lógica AND usando Perceptron. 

R- 0 = falso 1 = verdadeiro

10. Dê um exemplo de Tutor de uma Rede Neural com aprendizado supervisionado. 

R. No aprendizado supervisionado, um Tutor (PROFESSOR) apresenta à rede neural alguns conjuntos de padrões de entrada e seus correspondentes padrões de saída. 

11. Uma Rede Neural que visa atuar na previsão do tempo implementa que tipo de aprendizado ?. Justifique 

R. O algoritmo de retro - propagação de erro que é um algoritmo para o aprendizado-supervisionado de uma rede neural do tipo MLP (Multi Layers Perceptron) que é composto de dois passos: um passo para frente, a propagação e um passo para trás, a retro - propagação. 

Por ser uma aprendizagem de problemas complexos, ou seja, envolve muitas variáveis de entrada para uma saída esperada. 

12. Dê um exemplo de Tutor de uma Rede Neural com aprendizado não supervisionado. 

R. O treinamento não supervisionado, não possui tutor, ou seja, a rede é capaz de descobrir estaticamente, padrões relevantes aos dados de entrada, não o conhecimento de saídas desejadas. 

13. Interprete a fórmula 

R. É um Algoritmo de Treinamento do Perceptron, onde: 

W(i) = vetor de pesos; 

t = contador dos passos do algoritmo; 

α = (alfa) taxa de aprendizagem, uma constante positiva entre 0 e 1; 

d(i) = resposta desejada; 

y(i) = resposta real. 

Mede-se o erro ou desvio do esperado: e = Abs (di - yi); 

14. O que é Perceptron? 

R. O Perceptron é a forma mais simples de uma RNA (Rede Neural Artificial) usada para classificação de padrões linearmente separáveis, ou seja, padrões que estão em lados opostos de um hiperplano. Consiste basicamente de um único neurônio com pesos sinápticos ajustáveis e uma polarização (bias). 

15. Explique os princípios da Aprendizagem Supervisionada, da Aprendizagem Não – Supervisionada e da Aprendizagem por Reforço. 

R. No caso da Aprendizagem Supervisionada, assume-se a presença de um “professor”, onde são fornecidas as respostas corretas para cada situação. A aprendizagem é realizada a partir de exemplos (instâncias ou casos de treino) compostos por um vetor de entradas e por um vetor de saídas desejadas. 

No caso da Aprendizagem Não Supervisionada, não é fornecida nenhuma indicação externa, a aprendizagem é realizada pela descoberta de regularidades (semelhanças) nos dados de entrada, procurando agrupamentos (clustering) dos exemplos de treino. Nesse caso, observa-se uma convergência lenta no resultado. Esse tipo de aprendizagem pode ser comparado ao desenvolvimento das células simples do córtex visual estriado. 

No caso da Aprendizagem por Reforço não há um facilitador. Dado um padrão de entrada, as unidades competem entre si para decidir qual delas será a vencedora. A unidade vencedora tem a sua saída ativada e seus pesos são atualizados 

16. Quais os passos para o aprendizado de uma Rede Neural? 

R. 1º A RN recebe estímulos do meio externo; 2º Em seguida responde aos estímulos recebidos, 3º logo após, recebe um retorno a respeito da sua resposta; 4º adapta seus parâmetros com vistas a aprender; 5º responde de uma maneira nova ao ambiente e volta ao 1º passo. 

17. Qual a classificação das RN? 

R. Quanto ao Número de Camadas: Redes de camada única; Redes de múltiplas camadas. 

Quanto ao Tipo de Conexão: feedforward (acíclica); feedback (cíclica). 

Quanto ao Tipo de conectividade: Parcialmente conectada; Completamente conectada. 

18. Quais os elementos fundamentais de uma Rede Neural Natural? Ilustre e exemplifique. 

R. Axônio, dendritos, corpo celular, sinapse, ramificações e estímulos. 

19. A partir do mapa mental, descreva as etapas de funcionamento de um neurônio natural. 

R. Os Neurônios interconectam-se com outros Neurônios. Esses neurônios são constituídos de um Corpo Celular que processa e transmite conhecimento através de Soma. Eles também possuem Axônios que conduz um Sinal Neural e representam de algum modo, um determinado conhecimento. Outra parte do Neurônio é o Dendrito, são ramificações que contem a sinapse e possibilita a Transmissão Sináptica realizando a passagem do Sinal Neural que é resultado de um Impulso Nervoso e consequência da atividade do Potencial de Ação e é o menor estímulo capaz de causar um Estímulo Limiar. A Sinapse também é um canal de comunicação entre dois Neurônios. 

20. Descreva o mapa mental do Perceptron. 

R. O Perceptron foi o primeiro Modelo de RNA. Ele é um programa que aprende conceitos, recebe e estuda os Valores de Entrada podendo responder com Verdadeiro ou Falso, tem como regra de aprendizagem a Regra de Aprendizagem Perceptron. E possui duas Camadas constituindo-se de Neurônios que possui a função Threshold que é uma função de Transferência. 

21. A partir do mapa mental, descreva as etapas de funcionamento de um neurônio artificial: 

R. O Neurônio Artificial é uma Estrutura lógica Matemática que estabelece contatos entre Pesos. Os Neurônios Artificiais possuem Entradas, Pesos, Função Soma, Função Transferência e Saída. As Entradas equivalem ao Dendrito e captam Estímulos que são processados pela Função Soma. Os Pesos simulam as Sinapses que são processadas na Função Soma em seguida na Função de Transferência que equivale ao Estímulo limiar gerando a Saída, onde pode ser para outro Neurônio Artificial uma Entrada.