Conceitos básicos. Modelo do neurônio. Perceptrons. Redes feed-forward multi-nÃveis. Memória matricial de correlação. Sistemas auto-organizativos. Modelos recorrentes.
1. Conceitos Básicos |
1.1. Histórico; |
1.2. Descrição estática de uma RNA; |
1.3. Trajetória no espaço de estados; |
1.4. Capacidade de armazenamento; |
1.5. Recuperação de informação; |
1.6. Paradigmas de aprendizado; |
1.7. Regra de Hebb; |
1.8. Adaptação e aprendizado; |
1.9. Aprendizado supervisionado; |
1.10. Aprendizado não supervisionado; |
1.11. Aprendizado competitivo. |
|
2. Modelo do Neurônio |
2.1. O modelo fÃsico; |
2.2. O modelo MCP; |
2.3. Função de transferência; |
2.4. Neurônio artificial x real. |
|
3. Perceptrons |
3.1. Considerações básicas; |
3.2. Teorema de convergência; |
3.3. Medida de desempenho e limitações; |
3.4. ADALINE. |
|
4. Redes feed-forward Multi-nÃveis |
4.1. Regra de Widrow-Hoff; |
4.2. Algoritmo Backpropagation; |
4.3. Ajuste da taxa de aprendizado; |
4.4. Função de transferência; |
4.5. Interferência retroativa; |
4.6. Exemplos de aplicação. |
|
5. Memória Matricial de Correlação |
5.1. Modelo não-linear de Willshaw; |
5.2. Modelo ADAM; |
5.3. Modelo linear de Anderson e Kohonen; |
5.4. Correção de erros; |
5.5. Exemplos de aplicação. |
|
6. Sistemas Auto-organizativos |
6.1. Self-organizing feature memory; |
6.2. Learning Vector Quantization (LVQ); |
6.3. Adaptive Ressonance Theory (ART); |
6.4. Aprendizado por competição; |
6.5. Aplicações. |
|
7. Modelos Recorrentes |
7.1. Considerações dinâmicas; |
7.2. Pontos fixos no espaço de estados; |
7.3. Função de energia; |
7.4. Memória associativa; |
7.5. Capacidade de armazenamento; |
7.6. Diagramas de fase; |
7.7. Máquinas de Boltzmann; |
7.8. Reconhecimento de padrões; |
7.9. Problemas de otimização. |
BRAGA, A. P., CARVALHO, A. C. P. L. F., LUDERMIR, T. B. Redes Neurais Artificiais: teoria e aplicações. Livros Técnicos e CientÃficos Editora (LTC), 2002.
HAYKIN, S. (1999). Redes neurais: princÃpios e prática. Porto Alegre: Bookman. 2nd Ed., 2001.
BLUM, Adam. Neural networks in C++: an object-oriented framework for building connectionist systems. New York: J. Wiley & Sons, 1992.
ROGERS, Joey. Object-oriented neural networks in C++. San Diego: Academic, 1997.