HP – UFCG Analytics

Abril-Maio 2012

Um curso sobre

Reconhecimento de
Padrões e Redes Neurais
Por
Herman Martins Gomes
hmg@dsc.ufcg.edu.br

Programa Visão Reconhecimento Redes Neurais Geral (2H) Estatístico de (15H) Padrões (3H) Introdução ao Reconhecimento de Padrões com foco em Redes Neurais .

Programa PCA visto no módulo anterior •Processo de Aprendizagem •Análise de Componentes Principais Redes Neurais •Perceptrons de Simples e Múltiplas Camadas (15H) •Mapas Auto Organizáveis •Redes Neurais Recorrentes •Previsão e Análise de Séries Temporais .

Mapas Auto-Organizáveis • O mapa auto-organizável (SOM: Self- Organizing Map) é um tipo especial de rede neural com aprendizagem não- supervisionada. em que é realizado um processo de aprendizagem competitiva – O neurônio mais próximo do padrão de entrada (com a menor distância Euclidiana) é declarado vencedor .

em um mapa discreto uni. o principal objetivo do SOM é transformar um padrão de entrada. Mapas Auto-Organizáveis • Segundo Haykin.ou bi-dimensional . de dimensão arbitrária.

Mapas Auto-Organizáveis • SOM bidimensional Camada computacional Camada de entrada .

Mapas Auto-Organizáveis • Os mapas auto-organizáveis possuem duas propriedades principais: 1. Agrupamento de padrões similares em regiões geograficamente próximas . Quantização vetorial (redução do espaço de entrada) 2.

j=1.2. Inicialize os vetores de pesos com valores aleatórios wj = [wj1.. …. wjm]. Repita o passo 2 até que não sejam observadas modificações significativas no mapa . x2.…n • Onde m é a dimensão do espaço de entrada e n é o número total de neurônios do mapa • Restrição: os vetores de pesos devem ser diferentes 2.xm] • encontre o neurônio mais próximo desse padrão (neurônio vencedor i(x)=arg min||x-wj||) • atualize os pesos 3. Mapas Auto-Organizáveis • Algoritmo 1.. wj2. Para cada padrão de entrada x = [x1. .

wj ) h(i(x)) é a função de vizinhança que mede o grau de participação dos neurônios vizinhos a i(x) no processo de aprendizagem – normalmente uma função Gaussiana . Mapas Auto-Organizáveis • Ajuste dos vetores de pesos • wj = h(i(x))(x .

Mapas Auto-Organizáveis • Exemplo: – agrupamento de 16 animais em 3 categorias • Caçadores • Pássaros • Espécies pacíficas – SOM 10x10 • 2000 iterações .

Atributos .

Mapa Contextual Caçadores Pássaros Espécies pacíficas .

at/projects/nepTune/ – Ferramenta Som Toolbox para Matlab (ver demonstrações som_demo2) http://www.cis.jku.cp.hut.fi/somtoolbox/ . Mapas Auto-Organizáveis • Outros exemplos de aplicação: – Agrupamento e visualização de Músicas (nepTune Interface – ver video) http://www.

ofai. ghsom_demo4) http://www.at/~elias. Mapas Auto-Organizáveis • Extensões: – Mapas Auto-Organizáveis Hierárquicos Construtivos (GHSOM) • Mapas crescem hierarquicamente em função do aumento do erro de quantização • Adequados à aprendizagem online.pampalk/ghsom/ . em que o número e a diversidade dos padrões não são previamente conhecidos • Exemplos: GHSOM Matlab Toolbox (ghsom_demo.

Mapas Auto-Organizáveis cor textura forma • Exemplo: GHSOM recuperação de imagens por conteúdo .

Mapas Auto-Organizáveis • Exemplo: recuperação de imagens por conteúdo .

Mapas Auto-Organizáveis • Exemplo: Sistema recuperação de imagens por conteúdo .

? Dúvidas .