Scribd Logo
Carregar

Bem-vindo(a) ao Scribd!

  • 88 visualizações

    IC - Trabalho Computacional 1

    Enviado por

    tiago
    O documento descreve um problema de classificação de óleos em duas classes (P1 e P2) usando três propriedades medidas (x1, x2, x3) e uma rede perceptron. Um conjunto de dados de treinamento é fornecido e o objetivo é treinar e testar a rede perceptron para classificar novos exemplos.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd

    IC - Trabalho Computacional 1

    Enviado por

    tiago
    88 visualizações2 páginas
    O documento descreve um problema de classificação de óleos em duas classes (P1 e P2) usando três propriedades medidas (x1, x2, x3) e uma rede perceptron. Um conjunto de dados de treinamento é fornecido e o objetivo é treinar e testar a rede perceptron para classificar novos exemplos.

    Direitos autorais

    © © All Rights Reserved

    Formatos disponíveis

    PDF, TXT ou leia online no Scribd

    Você considera este documento útil?

    Este conteúdo é inapropriado?

    O documento descreve um problema de classificação de óleos em duas classes (P1 e P2) usando três propriedades medidas (x1, x2, x3) e uma rede perceptron. Um conjunto de dados de treinamento é fornecido e o objetivo é treinar e testar a rede perceptron para classificar novos exemplos.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    88 visualizações2 páginas

    IC - Trabalho Computacional 1

    Enviado por

    tiago
    O documento descreve um problema de classificação de óleos em duas classes (P1 e P2) usando três propriedades medidas (x1, x2, x3) e uma rede perceptron. Um conjunto de dados de treinamento é fornecido e o objetivo é treinar e testar a rede perceptron para classificar novos exemplos.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    de 2

    INTELIGÊNCIA COMPUTACIONAL

    TRABALHO COMPUTACIONAL - 1

    - Enunciado:
    Pela análise de um processo de destilação fracionada de petróleo, observou-se que determinado óleo poderia
    ser classificado em duas classes de pureza {P1 e P2} a partir da medição de três grandezas {x1, x2, e x3}, que
    representam algumas de suas propriedades físico-químicas. A equipe de engenheiros e cientistas pretende usar
    uma rede Perceptron para executar a classificação automática das duas classes. Assim, baseado nas
    informações coletadas dos processos, formou-se o conjunto de treinamento apresentado na Tabela I, tomando-
    se por convenção o valor de -1 para óleo pertencente à classe P1 e o valor 1 para óleo pertencente à classe P2.

    Tabela 1
    Amostra x1 x2 x3 d
    1 -0,6508 0,1097 4,0009 -1,0000
    2 -1,4492 0,8896 4,4005 -1,0000
    3 2,0850 0,6876 12,0710 -1,0000
    4 0,2626 1,1476 7,7985 1,0000
    5 0,6418 1,0234 7,0427 1,0000
    6 0,2569 0,6730 8,3265 -1,0000
    7 1,1155 0,6043 7,4446 1,0000
    8 0,0914 0,3399 7,0677 -1,0000
    9 0,0121 0,5256 4,6316 1,0000
    10 -0,0429 0,4660 5,4323 1,0000
    11 0,4340 0,6870 8,2287 -1,0000
    12 0,2735 1,0287 7,1934 1,0000
    13 0,4839 0,4851 7,4850 -1,0000
    14 0,4089 -0,1267 5,5019 -1,0000
    15 1,4391 0,1614 8,5843 -1,0000
    16 -0,9115 -0,1973 2,1962 -1,0000
    17 0,3654 1,0475 7,4858 1,0000
    18 0,2144 0,7515 7,1699 1,0000
    19 0,2013 1,0014 6,5489 1,0000
    20 0,6483 0,2183 5,8991 1,0000
    21 -0,1147 0,2242 7,2435 -1,0000
    22 -0,7970 0,8795 3,8762 1,0000
    23 -1,0625 0,6366 2,4707 1,0000
    24 0,5307 0,1285 5,6883 1,0000
    25 -1,2200 0,7777 1,7252 1,0000
    26 0,3957 0,1076 5,6623 -1,0000
    27 -0,1013 0,5989 7,1812 -1,0000
    28 2,4482 0,9455 11,2095 1,0000
    29 2,0149 0,6192 10,9263 -1,0000
    30 0,2012 0,2611 5,4631 1,0000

    - Questões:
    1) Implemente os algoritmos de treinamento e de operação da rede Perceptron. Utilize taxa de aprendizado
    igual a 0,01.
    2) Execute cinco treinamentos para a rede Perceptron, iniciando-se o vetor de pesos {w} em cada treinamento
    com valores aleatórios entre 0 e 1, de forma que em cada treinamento os valores não sejam os mesmos.
    3) Registre os resultados dos cinco treinamentos na Tabela 2:
    Tabela 2
    Vetor de pesos iniciais Vetor de pesos finais Número de
    Treinamento
    wo w1 w2 w3 w0 w1 w2 w3 épocas
    1º (T1)
    2º (T2)
    3º (T3)
    4º (T4)
    5º (T5)

    4) Após o treinamento da rede Perceptron, utilize o algoritmo de operação, aplicando-o na classificação


    automática das amostras de óleo da Tabela 3, indicando ainda na tabela aqueles resultados das saídas (classes)
    referentes aos cinco processos de treinamento realizados na questão 2.

    Tabela 3
    Amostra x1 x2 x3 y (T1) y (T2) y (T3) y (T4) y (T5)
    1 -0,3665 0,0620 5,9891
    2 -0,7842 1,1267 5,5912
    3 0,3012 0,5611 5,8234
    4 0,7757 1,0648 8,0677
    5 0,1570 0,8028 6,3040
    6 -0,7014 1,0316 3,6005
    7 0,3748 0,1536 6,1537
    8 -0,6920 0,9404 4,4058
    9 -1,3970 0,7141 4,9263
    10 -1,8842 -0,2805 1,2548

    5) Explique por que o número de épocas de treinamento, em relação a esta aplicação, varia cada vez que é
    executado o treinamento da rede Perceptron.

    6) Para a aplicação em questão, discorra se é possível afirmar se as classes são linearmente separáveis.

    Você também pode gostar