Universidade Federal do Rio de Janeiro Núcleo de Computação Eletrônica

Inteligência Computacional

Aula 7 - Perceptron

2003/ 2

Universidade Federal do Rio de Janeiro Núcleo de Computação Eletrônica

Prof. A. C. G. Thomé, PhD – thome@nce.ufrj.br

Roteiro

• Modelo Perceptron

• Treinamento

Neurônio Artificial

O Neurônio artificial é função matemática que associa pesos às entradas.

.

.

.

Entradas

Pesos

W

W

W

f

f

Sinal

Neurônio Artificial

O neurônio geralmente é dividido em duas funções, função de ativação e propagação.

Função de A tivação

Função de Propagação

w₁

w₂

w_n

x₁

x₂

x_n

y

(

X

W

)

P

(

A

(

X

W

)

)

f

y

=

,

=

,

História

1943: trabalho pioneiro de McCulloch e Pitts

– McCulloch: psiquiatra e neuroanatomista – Pitts: matemático

– descrição do modelo formal de um neurônio, nodos MCP – acreditavam que um número suficiente de neurônios

atuando de forma adequada poderiam, a princípio, computar qualquer função computável.

1958: Rosemblat propõe o Perceptron

como um método inovador de aprendizagem supervisionada

Perceptron

O perceptron originalmente consiste em uma rede de três camadas, sendo que só a última camada possui pesos ajustáveis.

Camada de entrada ou retina

∑ θ

∑ θ

∑ θ

∑ θ

Camada de associação

y

Perceptron

Arquitetura básica do Perceptron

Ativação

∑

=

Propagação

θ

θ

Onde:

θ

é o limiar

Σ

Σ

x₁

x_{m w} m w₁

net

Treinamento

O treinamento de uma rede neural consiste em ajustar os seus parâmetros livres, que no caso do perceptron são os pesos w₁, w₂,..., w_m e o limiar θ.

Porém a função de propagação pode ser reescrita da seguinte forma: net > θ → net - θ > 0.

E se além disso o termo -θ for incorporado ao net, chegaremos as seguintes funções de ativação e propagação:

Propagação

Ativação

∑

=

Treinamento

Pode-se imaginar que o peso w₀ está associado a uma entrada x₀ cujo valor é sempre 1.

Σ

Σ

x₁

x_{m w} m w₁

net

y

w₀

1

Treinamento

Durante o treinamento cada padrão de entrada é apresentado ao perceptron e seus pesos são ajustados seguindo a regra criada por Rosenblatt (1958).

Seja x_i o i-ésimo padrão de treinamento, y_i a resposta do perceptron para x_i e d_i o valor desejado como resposta. Caso d_i = y_i o algoritmo de treinamento não irá fazer nenhum

ajuste aos pesos do neurônio, caso contrário o algoritmo deve considerar duas possibilidades:

1) d_i = 1 e y_i = 0 2) d_i = 0 e y_i = 1

Treinamento

1) d_i = 1 e y_i = 0

Onde:

x_i – vetor de entrada

wt _{– vetor de pesos do perceptron no instante t.}

α é o menor ângulo entre os vetores x_i e wt_.

O algoritmo de treinamento deve, neste caso, modificar o vetor w de forma que α < 900

( )

i então net x x w

y

Como r r r

0 90 0 ) cos( 0 )

cos( ≤ ⇒ ≤ ⇒ ≥

⋅ ⋅

⇒ t

α

α

α

i w

Treinamento

1) d_i = 1 e y_i = 0 (continuação)

Onde: ∆w_i é um vetor proporcional a x_i, ou seja, ∆w = η∗x_i wt+1 é o vetor wt após o ajuste, ou seja, wt+1= wt + ∆w

η é um escalar positivo que indica o quanto o vetor de pesos será modificado na direção e sentido do vetor x_i. Este escalar é conhecido como taxa de aprendizado.

X_i wt

α

⇒

X_i wt

∆w

Treinamento

2) d_i = 0 e y_i = 1 ⇒ α < 900

∆w = -η∗x_i w = w + ∆w

X_i wt

α

⇒

X_i wt+1

∆w

Treinamento

Resumo do treinamento: Se d_i = y_i então ∆w = 0

Se d_i = 1e y_i = 0 então ∆w = η∗x_i Se d_i = 0 e y_i = 1então ∆w = -η∗x_i w = w + ∆w

Se chamarmos e = d_i – y_i a atualização dos pesos pode ser escrita de forma mais compacta:

Treinamento

Algoritmo de treinamento

η ← taxa de aprendizado Inicialize w

Repita

Para cada padrão x_i faça

y_i ← valor de saída do perceptron para o padrão x_i e ← d_i – x_i

w ← w + e ∗ η ∗ x_i fim

Treinamento

Exemplo de treinamento.

Considere um conjunto de pessoas (4 elementos) formado por homens e mulheres. Treinar um Perceptron, que seja capaz de reconhecer o sexo das pessoas.

1 1

X

Lúcia

1 0

X

Maria

0 1

X

Paulo

0 0

X

José

codificação

masculino

Treinamento

Exemplo (cont.)

• condições de disparo

– se net > 0 y = 1 (feminino)

– se net ≤ 0 y = 0 (masculino)

• início do treinamento

– b = 0 (termo independente ou w₀)

– w₁ = 0

– w₂ = 0

Treinamento

Exemplo (cont.)

• apresentação do primeiro elemento à rede neural

– net = b ∗ 1 + w₁ ∗ 0 + w₂ ∗ 0

– net = 0 ∗ 1 + 0 ∗ 0 + 0 ∗ 0 = 0

– y = 0 e d = 0 (resposta correta)

w₁

Treinamento

Exemplo (cont.)

• apresentação do segundo elemento à rede neural

– net = b ∗ 1 + w₁ ∗ 0 + w₂ ∗ 1

– net = 0 ∗ 1 + 0 ∗ 0 + 0 ∗ 1 = 0

– y = 0 e d = 0 (resposta correta)

w₁

Treinamento

Exemplo (cont.)

– apresentação do terceiro elemento à rede neural

– net = b ∗ 1 + w₁ ∗ 1 + w₂ ∗ 0

– net = 0 ∗ 1 + 0 ∗ 1 + 0 ∗ 0 = 0

– y = 0 e d = 1 (resposta incorreta)

– b = b + 1 = 0 + 1 = 1 net = b ∗ 1 + w₁ ∗ 1 + w₂ ∗ 0

– w₁ = w₁ + 1 = 0 + 1 = 1 net = 1 ∗ 1 + 1 ∗ 1 + 0 ∗ 0 = 2

– w₂ = w₂ + 0 = 0 + 0 = 0 y = 1 e d = 1 (resposta

correta)

w₁

Treinamento

Exemplo (cont.)

• apresentação do quarto elemento à rede neural

– net = b ∗ 1 + w₁ ∗ 1 + w₂ ∗ 1

– net = 1 ∗ 1 + 1 ∗ 1 + 0 ∗ 1 = 2

– y = 1 e d = 1 (resposta correta)

w₁

Interpretação Geométrica

Como a função ativação (net) é linear, ela descreve um hiperplano em uma dimensão do Rn. O que a função de propagação faz é disparar se o net for maior que 0.

O que é equivalente a traçar a curva, ou superfície de nível net = 0, e verificar de que lado da curva se encontra o vetor de entrada.

Interpretação Geométrica

Exemplo: Seja x₁ e x₂ as duas dimensões do vetor de entrada. O gráfico abaixo mostra 3 curvas de nível do net para algum

vetor de pesos w.

net = -1 x₁

x₂

Interpretação Geométrica

Exemplo (continuação)

x₁

x₂

net = 0 Todos os pontos que ficam deste lado da

Limitações

O perceptron só é capaz de separar classes através de funções lineares. Mas para que ele consiga isso é necessário que as classes sejam linearmente separáveis, o que é uma condição não garantida para a maioria dos problemas de classificação.

Limitações

O perceptron é capaz de pode funcionar como uma porta ou_{, já que o} ou _{é linearmente separável.}

Função ou

x₂ x₁ 1 1 1 1 1 1 0 1 1 1 0 0 0 0

x₁ ou x₂ x₂

Limitações

O ou exclusivo _{não é linearmente separável, então o perceptron não}

pode funcionar como esta porta lógica.

Função ou exclusivo

x₂ x₁ 1 1 0 1 1 1 0 1 1 1 0 0 0 0

x₁ xor x₂ x₂

História

1962: Rosenblatt demonstra que o algoritmo de treinamento do Perceptron sempre converge se as classes forem

linearmente separáveis (Teorema de Convergência do Perceptron).

1969: Minsky e Papert demonstram as limitações do

Perceptron – Como o perceptron trata apenas de problemas linearmente separáveis e não existe um algoritmo de