Please enable JavaScript.
Coggle requires JavaScript to display documents.
Aula - Redes Neurais Artificiais 22/11/2018 (Perceptron multicamadas (MLP)…
Aula - Redes Neurais Artificiais 22/11/2018
Erros de generalização
Overfitting
Quando a generalização é excessiva, é justamente o baixo ajuste ao restante do mundo, uma vez que ele fica superajustado ao subconjunto de teste
Underfitting
Basicamente, quando o dataset é pequeno demais para ser treinado
São modelos computacionais
baseados
no sistema nervoso central do ser humano ou animais (particularmente o cérebro)
é mais uma abstração da biologia trazida para a computação
Existem vários tipos de redes artificiais
Exemplos:
• Rede Perceptron
Rede muito simples.
Possui apenas um neurônio.
Não classifica amostras que não são linearmente separáveis
• Rede Adalaine
Feito na década de 60
Perceptron multicamadas (MLP)
Semelhante a Rede Perceptron, mas com mais de uma camada de neurônios
É composta por camadas de neurônios ligadas entre si por sinapses com pesos
Funções
Camada de entrada
É uma camada não-computacional, nela não há processamento, responsável pelo recepção e propagação das informações de entrada para camada seguinte.
Camadas ocultas ou intermediárias
São camadas computacionais
,
efetuam processamento
,
nelas são transmitido as informações por meio das conexões entre as unidades de entrada e saída.
Essas conexões guardam os pesos que serão multiplicados pelas entradas, garantindo o conhecimento da rede.
Camada de Saída
Camada composta por neurônios computacionais, recebem as informações das camadas ocultas fornecendo a resposta
Código
ScikitLearn
pyBrain