Redes Neurais
Aprendizado Supervisionado ADALINE
Sumrio
Aprendizado
Supervisionado
Regresso
Linear
ADALINE
Aprendizado Supervisionado
Mo;vao
Previso
de
preos
de
residncias
(Portland,
Estados
Unidos)
Mo;vao
Dado
esse
conjunto
de
dados,
como
fazer
uma
es2ma2va
de
preo
para
outras
residncias
em
que
a
rea
construda
conhecida?
Nomenclatura
x(i) = variveis de entrada (ou caracter a sticas de entrada) y (i) = variveis de sa a da (x(i) , y (i) ) = amostra de treinamento (x(i) , y (i) ; i = 1, , m) = conjunto de treinamento m = nmero de amostras de treinamento u
Obje;vo
Para
o
problema
em
questo
X =Y=R
h:X Y
Obje;vo
Regresso
e
Classicao
Quando
a
varivel
de
sada
conRnua,
o
problema
de
aprendizado
denido
como
um
problema
de
regresso
A
varivel
de
sada
pode
tambm
assumir
valores
discretos.
Nesse
caso
o
problema
denido
como
problema
de
classicao
Regresso
Linear
Considere
um
conjunto
de
dados
mais
completo
Regresso
Linear
Para
resolver
esse
problema,
deve-se
denir
uma
estrutura
para
h,
por
exemplo:
h = 0 + 1 x 1 + 2 x 2 xR
2
i = parmetros ou pesos a
Regresso
Linear
A
funao
h
pode
ser
generalizada
como
n i=0
h (x) =
dado
i xi = T x
x0 = 1
Regresso
Linear
Dada
h(x)
como
escolher
os
parmetros?
Soluo:
Escolher
os
parmetros
de
forma
a
tornar
os
valores
de
h(x)
prximos
de
y
Deni-se uma funo que mede o quanto os valores de h(x) esto prximos de y
Regresso Linear
J() =
Funo de Custo
m 1
i=1
(h (x ) y )
(i)
(i) 2
Regresso
Linear
Obje;vo
j = j J() j
= taxa de aprendizado
Gradiente
y = xe
x2 x2 1 2
Gradiente
Gradiente Descendente
Simulao Matlab
Gradiente
Descendente
Funo
a
ser
o;mizada
J() =
Calcula-se
m 1
i=1
(h (x ) y )
(i)
(i) 2
Gradiente
Descendente
Regra
de
aprendizagem
Widrow-Ho
(i) )xj
j = j (h (x)
(i)
(i)
Tambm conhecida como mtodo dos mnimos quadrados (Least Mean Squares LMS)
Algoritmo
em
Batelada
Repita at convergir! {! !Para j=1n! !{! m (i) (i) (i) ! j = j + (y h (x) )xj !}! i=1 }
Algoritmo
Regresso
linear
=
funo
quadr;ca
convexa
Simulao Matlab
ADALINE
ADAp;ve
LINEar
Criado
na
dcada
de
50
ADALINE
1 x1 w1 w2
x2
. . .
wn
u f (u)
xn
f (u) = u
ADALINE
y=
Sendo
n i=0
w i xi = w x
x0 = 1
w0 = b
y=
w i xi
y=
k i=1
wi cos(2fi )
Simulao Matlab