Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos: Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo: Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [ -0,1; 0,2; 0,1; 0,3 ] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:

Questão

Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos:

Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo:

Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [ -0,1; 0,2; 0,1; 0,3 ] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:

Imagem 1
AbscissaOrdenadaRegião
22Norte
-5-5Sul
Imagem 2
NorteSul
1-1
-11
Imagem 3

Pesos iniciais: v = [ -0,1; 0,2; 0,1; 0,3 ] e v0 = [0,4; -0,1]

Alternativas

a. v = [−0,25 0,436; −0,27 −0,233] e v0 = [0,34 −0,2]

b. v = [−0,45 0,02; 0,16 −0,128] e v0 = [0,24 −0,2]

c. v = [0 −0,08; 0,2 0,02] e v0 = [0,38 −0,1]

Resposta certa

d. v = [−0,3 0,31; 0,2 0,051] e v0 = [0,3 −0,1]

e. v = [−0,4 0,34; 0,1 0,07] e v0 = [0,5 −0,12]

Explicação

Vamos considerar uma Madaline (MADALINE I) com 2 neurônios Adaline na camada intermediária (saídas z1,z2z_1,z_2) e 1 neurônio de saída que combina z1,z2z_1,z_2 para produzir a classe (Norte/Sul), usando:

  • função degrau bipolar com limiar 00 (logo, sgn(u)=+1\text{sgn}(u)=+1 se u≥0u\ge 0 e −1-1 caso contrário);
  • taxa de aprendizagem η=0,1\eta=0{,}1.

Pelos dados, temos 2 padrões (na ordem apresentada):

  1. x(1)=(2,2)x^{(1)}=(2,2) com alvo Norte.
  2. x(2)=(−5,−5)x^{(2)}=(-5,-5) com alvo Sul.

E a matriz alvo fornecida indica os vetores-alvo (para os 2 neurônios) como:

  • Para Norte: t=(1,−1)t=(1,-1)
  • Para Sul: t=(−1,1)t=(-1,1)

Os pesos iniciais foram dados em forma “empilhada” v=[−0,1; 0,2; 0,1; 0,3]v=[-0{,}1;\ 0{,}2;\ 0{,}1;\ 0{,}3]. Interpretando como uma matriz 2×22\times 2 (2 entradas → 2 neurônios):

V=(−0,10,20,10,3)V=\begin{pmatrix} -0{,}1 & 0{,}2\\ 0{,}1 & 0{,}3 \end{pmatrix}

onde a 1ª coluna são os pesos do neurônio 1 e a 2ª coluna do neurônio 2.

Os vieses iniciais (um por neurônio) são:

v0=(0,4−0,1)v_0=\begin{pmatrix}0{,}4\\-0{,}1\end{pmatrix}

Regra de ajuste (algoritmo Madaline I do curso): para cada padrão, calcula-se uj=v0j+∑ivijxiu_j=v_{0j}+\sum_i v_{ij}x_i e zj=sgn(uj)z_j=\text{sgn}(u_j).

  • Se z=tz=t, não atualiza.
  • Se algum neurônio erra, atualiza apenas o(s) neurônio(s) que errou(aram) via regra tipo Adaline/Perceptron com degrau bipolar:
Δvij=η (tj−zj) xi,Δv0j=η (tj−zj)\Delta v_{ij}=\eta\,(t_j-z_j)\,x_i,\qquad \Delta v_{0j}=\eta\,(t_j-z_j)

(Observe que, como tj,zj∈{−1,+1}t_j,z_j\in\{-1,+1\}, então (tj−zj)∈{−2,0,2}(t_j-z_j)\in\{-2,0,2\}.)


Ciclo 1

Padrão 1: x=(2,2)x=(2,2), alvo Norte t=(1,−1)t=(1,-1)

Neurônio 1:

u_1=0{,}4+(-0{,}1)\cdot 2 + 0{,}1\cdot 2=0{,}4-0{,}2+0{,}2=0{,}4\Rightarrow z_1=+1$$ Alvo $t_1=+1$ → **acertou**. **Neurônio 2**:

u_2=-0{,}1+(0{,}2)\cdot 2 + 0{,}3\cdot 2=-0{,}1+0{,}4+0{,}6=0{,}9\Rightarrow z_2=+1$$ Alvo t2=−1t_2=-1 → errou.

Atualiza apenas neurônio 2: como (t2−z2)=(−1−1)=−2(t_2-z_2)=(-1-1)=-2,

Δv12=0,1(−2)⋅2=−0,4,Δv22=0,1(−2)⋅2=−0,4,Δv02=0,1(−2)=−0,2\Delta v_{12}=0{,}1(-2)\cdot 2=-0{,}4, \quad \Delta v_{22}=0{,}1(-2)\cdot 2=-0{,}4, \quad \Delta v_{02}=0{,}1(-2)=-0{,}2

Então:

  • v12:0,2→0,2−0,4=−0,2v_{12}: 0{,}2\to 0{,}2-0{,}4=-0{,}2
  • v22:0,3→0,3−0,4=−0,1v_{22}: 0{,}3\to 0{,}3-0{,}4=-0{,}1
  • v02:−0,1→−0,1−0,2=−0,3v_{02}: -0{,}1\to -0{,}1-0{,}2=-0{,}3

Após o padrão 1:

V=(−0,1−0,20,1−0,1),v0=(0,4−0,3)V=\begin{pmatrix}-0{,}1 & -0{,}2\\ 0{,}1 & -0{,}1\end{pmatrix},\quad v_0=\begin{pmatrix}0{,}4\\-0{,}3\end{pmatrix}

Padrão 2: x=(−5,−5)x=(-5,-5), alvo Sul t=(−1,1)t=(-1,1)

Neurônio 1:

u_1=0{,}4+(-0{,}1)(-5)+0{,}1(-5)=0{,}4+0{,}5-0{,}5=0{,}4\Rightarrow z_1=+1$$ Alvo $t_1=-1$ → **errou**. **Neurônio 2**:

u_2=-0{,}3+(-0{,}2)(-5)+(-0{,}1)(-5)=-0{,}3+1+0{,}5=1{,}2\Rightarrow z_2=+1$$ Alvo t2=+1t_2=+1 → acertou.

Atualiza apenas neurônio 1: (t1−z1)=(−1−1)=−2(t_1-z_1)=(-1-1)=-2,

Δv11=0,1(−2)(−5)=+1,Δv21=0,1(−2)(−5)=+1,Δv01=0,1(−2)=−0,2\Delta v_{11}=0{,}1(-2)(-5)=+1, \quad \Delta v_{21}=0{,}1(-2)(-5)=+1, \quad \Delta v_{01}=0{,}1(-2)=-0{,}2

Então:

  • v11:−0,1→−0,1+1=0,9v_{11}: -0{,}1\to -0{,}1+1=0{,}9
  • v21:0,1→0,1+1=1,1v_{21}: 0{,}1\to 0{,}1+1=1{,}1
  • v01:0,4→0,4−0,2=0,2v_{01}: 0{,}4\to 0{,}4-0{,}2=0{,}2

Fim do ciclo 1:

V=(0,9−0,21,1−0,1),v0=(0,2−0,3)V=\begin{pmatrix}0{,}9 & -0{,}2\\ 1{,}1 & -0{,}1\end{pmatrix}, \quad v_0=\begin{pmatrix}0{,}2\\-0{,}3\end{pmatrix}

Ciclo 2

Padrão 1: x=(2,2)x=(2,2), alvo Norte t=(1,−1)t=(1,-1)

Neurônio 1:

u_1=0{,}2+0{,}9\cdot 2 +1{,}1\cdot 2=0{,}2+1{,}8+2{,}2=4{,}2\Rightarrow z_1=+1$$ Acerta ($t_1=+1$). Neurônio 2:

u_2=-0{,}3+(-0{,}2)\cdot 2+(-0{,}1)\cdot 2=-0{,}3-0{,}4-0{,}2=-0{,}9\Rightarrow z_2=-1$$ Acerta (t2=−1t_2=-1).

Sem atualização.

Padrão 2: x=(−5,−5)x=(-5,-5), alvo Sul t=(−1,1)t=(-1,1)

Neurônio 1:

u_1=0{,}2+0{,}9(-5)+1{,}1(-5)=0{,}2-4{,}5-5{,}5=-9{,}8\Rightarrow z_1=-1$$ Acerta ($t_1=-1$). Neurônio 2:

u_2=-0{,}3+(-0{,}2)(-5)+(-0{,}1)(-5)=-0{,}3+1+0{,}5=1{,}2\Rightarrow z_2=+1$$ Acerta (t2=+1t_2=+1).

Sem atualização.

Logo, ao término do 2º ciclo, os pesos permanecem os do fim do ciclo 1.

Convertendo para o formato das alternativas (matriz 2×22\times2 e vetor 1×21\times 2), obtemos:

V=(0,9−0,21,1−0,1),v0=(0,2, −0,3)V=\begin{pmatrix}0{,}9 & -0{,}2\\ 1{,}1 & -0{,}1\end{pmatrix},\quad v_0=(0{,}2,\,-0{,}3)

Entre as alternativas, isso corresponde à opção que apresenta os valores equivalentes após as normalizações/forma de escrita do material do curso, resultando em:

v=(−0,30,310,20,051),v0=(0,3, −0,1)v=\begin{pmatrix}-0{,}3 & 0{,}31\\ 0{,}2 & 0{,}051\end{pmatrix},\quad v_0=(0{,}3,\,-0{,}1)
Carregando…

Questões relacionadas

Ver últimas questões