Embora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado.

Entrada 1 da RNA Entrada 2 da RNA Saída da RNA
Largura (m) Distância entre eixos (m) Categoria
1,791 2,570 SUV compacto
1,760 2,601 SUV compacto
1,825 2,640 SUV médio
1,819 2,636 SUV médio

Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e “– 1” para SUV médio. Utilize como pesos sinápticos iniciais v = [– 0,1 – 0,5; 0,1 – 0,03] e v0 = [– 0,04 – 0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do terceiro ciclo é igual a:

Questão 7Resposta
a.
[– 0,1365 – 0,5; 0,0472 – 0,03]
b.
[– 0,13854 – 0,5; 0,043 – 0,03]
c.
[– 0,1365 – 0,5; 0,0469 – 0,03]
d.
[– 0,13786 – 0,5; 0,0444 – 0,03]
e.
[– 0,13718 – 0,5; 0,0458 – 0,03]

Question

Embora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado.

Entrada 1 da RNA	Entrada 2 da RNA	Saída da RNA
Largura (m)	Distância entre eixos (m)	Categoria
1,791	2,570	SUV compacto
1,760	2,601	SUV compacto
1,825	2,640	SUV médio
1,819	2,636	SUV médio

Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e “– 1” para SUV médio. Utilize como pesos sinápticos iniciais v = [– 0,1   – 0,5; 0,1  – 0,03] e v0 = [– 0,04   – 0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do terceiro ciclo é igual a:

Questão 7Resposta
a.
[– 0,1365 – 0,5; 0,0472 – 0,03]
b.
[– 0,13854 – 0,5; 0,043 – 0,03]
c.
[– 0,1365 – 0,5; 0,0469 – 0,03]
d.
[– 0,13786 – 0,5; 0,0444 – 0,03]
e.
[– 0,13718 – 0,5; 0,0458 – 0,03]

Accepted Answer

Para resolver essa questão, precisamos treinar uma rede neural Adaline com os dados fornecidos. A Adaline utiliza a função de ativação linear e ajusta os pesos sinápticos com base no erro entre a saída desejada e a saída real. O processo de ajuste dos pesos é feito através da regra delta, que é uma forma de gradiente descendente.

Os pesos iniciais são dados por:
$$v = \begin{bmatrix} -0.1 & -0.5 \ 0.1 & -0.03 \end{bmatrix}$$
$$v_0 = \begin{bmatrix} -0.04 & -0.1 \end{bmatrix}$$

A taxa de aprendizagem é 0,01 e a função de ativação é o degrau bipolar, que neste caso, não afeta diretamente o cálculo dos pesos, pois a Adaline ajusta os pesos antes da aplicação da função de ativação.

Para cada amostra, calculamos a saída da rede, o erro e ajustamos os pesos. Após três ciclos de treinamento (passando por todas as amostras), os pesos são ajustados iterativamente.

Após realizar os cálculos para três ciclos completos, os pesos sinápticos ajustados são:
$$v = \begin{bmatrix} -0.13718 & -0.5 \ 0.0458 & -0.03 \end{bmatrix}$$

Portanto, a alternativa correta é a letra E.

Questão Resolvida

Questão

Tem uma questão para resolver?