Prévia do material em texto
LISTA DE EXERCÍCIOS REDES NEURAIS 1) Explique o funcionamento dos três tipos básicos de aprendizado: supervisionado; não supervisionado; e aprendizado por reforço. Indique possíveis aplicações para cada tipo de aprendizado. 2) Descreva os componentes de uma Rede Neural, explicando a funcionalidade de cada um dos elementos básicos do elemento processador (neurônio artificial) e as suas possíveis estruturas de interconexão (possíveis topologias para interconexão dos processadores). 3) Considerando redes Multi-Layer Perceptrons (MLP) treinadas com o algoritmo Back Propagation, responda às seguintes questões: a) Discuta o problema denominado Bias and Variance Dilemma (Convergência x Generalização). b) Para que servem os termos η (taxa de aprendizado) e α (momentum) do algoritmo Back Propagation? Como e por que eles influenciam no aprendizado da rede neural? c) Qual a diferença entre o treinamento BATCH e INCREMENTAL? Quais as vantagens e desvantagens de cada um? d) Explique o funcionamento da Validação Cruzada e para que ela serve. e) Quais as duas principais causas de falhas no aprendizado do Back Propagation? Por que elas ocorrem e como elas podem ser solucionadas? f) Quais são as três principais maneiras de codificar dados categóricos (discretos) na entrada de uma rede neural? Exemplifique supondo uma aplicação prática em mineração de dados, na qual uma das variáveis de entrada disponíveis é a faixa salarial do cliente, com 10 níveis possíveis. g) Considere agora o salário do cliente como variável de entrada (e não mais a faixa salarial), com valores entre R$ 0,00 e R$ 10.000,00. Explique e exemplifique, para esta variável, a normalização linear e a normalização linear por partes. 4) Deseja-se modelar uma rede neural para o reconhecimento de dígitos a partir de uma matriz de 16 x 16 pixels. Duas representações são viáveis na saída: 10 processadores de saída, cada um representando um dígito; 4 processadores de saída, codificando em binário o dígito apresentado na entrada. Qual dessas duas formas você escolheria? Explique! 5) Explique a diferença entre problemas de Classificação e de Clustering. Dê um exemplo de aplicação prática de cada um desses problemas. a) Qual o princípio de funcionamento das redes com treinamento não-supervisionado do tipo competitive learning? b) Para que serve o mecanismo de vizinhança nas redes Self-Organizing Maps de Kohonen? Como funciona esse método?