Please enable JavaScript.
Coggle requires JavaScript to display documents.
Redes neurais artificiais (codigo (solver (Algoritmo para otimização dos…
Redes neurais artificiais
Definição
sistema nervoso
habilidade de aprender de seu ambiente e com isso melhorar seu desempenho
Redes Neurais Artificiais (RNAs)
realiza aprendizado como reconhecimento
reconhecimento facil
reconhecimento de voz
overfitting
varios dados mais são muitos parecidos
Resolver: colocar um parametro (alpha)
underfitting
Pouco treinamento
Aumentar a quantidade de treinamento
Definições
Sinais de entrada (Ex: notas de aluno)
Tipo
Rede Adalaine
Rede Perceptron
não classifica as amostras que são separadas
pesos simpaticos (e onde vai diferenciar qual tem maior peso)
Função agregadora e onde recebe os sinais e faz a soma
limiar de ativação e onde decide se vai passar ou não
Potencial de ativação( e a entrada de função)
mpl
tem mais de uma camada
neuronios ocultos
e intervir entre as camadas de entradas e saida de rede de maneira ultiul
efetuam processamento
camada de entrada
não tem processamento
recepciona e progama as informações
Camada de saída
informações das camadas ocultas fornecendo a resposta.
codigo
solver (Algoritmo para otimização dos pesos da rede. Default é o ADAM)
alpha (Parâmetro que evita acontecer o "overfitting")
hidden_layer_sizes (Quantidade de neurônios da camada escondida)
random_state (Geração de números aleatórios)
learning_rate (Parâmetro de aprendizado)
learning_rate_init (Taxa de aprendizagem inicial)
max_iter (Quantidade máxima de iterações)
activation (Função de ativação das camadas escondidas)
momentum (Evitar cair em mínimo local. Default é 0.9)
verbose (Mostrar mensagens de processamento da rede)
tol (Taxa de convergência / Melhoria da rede. Se em duas interações consecutivas a rede atingir tolerância houve a convergência)
mlp.fit(X_treino, y_treino)(para treinar)
saidas = mlp.predict(X_teste) e apredição