Beruflich Dokumente
Kultur Dokumente
Escola de Engenharia
Curso de Graduao em Engenharia de Controle e Automao
PROGRAMA DE DISCIPLINA
DISCIPLINA:
Redes Neurais Artificiais
CDIGO:
ENG009
DEPARTAMENTO RESPONSVEL:
Departamento de Engenharia Eletrnica
UNIDADE:
Escola de Engenharia
CARGA HORRIA:
Terica: 45 Prtica: 0
Total: 45 horas-aula
CRDITOS:
3
PERODO:
PR-REQUISITOS DE CONHECIMENTO:
Clculo, lgebra Linear e princpios de otimizao
CLASSIFICAO:
OB
PR-REQUISITOS:
EMENTA:
Conceitos bsicos, Neurnios no crebro, Perceptrons, Memria matricial de correlao, Modelos
recorrentes, Redes feed-forward Multi-nveis, Redes Neurais Sem Peso, Sistemas auto-organizativos.
OBJETIVOS:
Introduo aos princpios de modelagem de dados e Redes Neurais Artificiais.
METODOLOGIA DE ENSINO:
( ) Aulas Expositivas em Quadro-Negro
(X) Utilizao de Transparncias ou Slides
( ) Aulas Prticas Demonstrativas
( ) Aulas Prticas de Montagem
(X) Trabalho Terico Extra-Classe
CRITRIOS DE AVALIAO:
Exerccios, provas e trabalhos.
PROGRAMA:
Conceitos bsicos: Histrico, Descrio esttica de uma RNA, Trajetria no espao de estados, Capacidade de
armazenamento, Recuperao de informao, Tcnicas de aprendizado, Regra de Hebb, Adaptao e aprendizado,
Aprendizado supervisionado, Aprendizado no supervisionado, Aprendizado competitivo
Neurnios no crebro : O modelo fsico, O modelo MCP, Funo de transferncia, Neurnio Artificial x Real
Perceptrons : consideraes bsicas, Teorema de convergncia, medida de performance e limitaes, Adaline.
Memria matricial de correlao : Modelo no-linear de Willshaw, Modelo ADAM, Modelo linear de Anderson e
Kohonen, Correo de erros, Exemplos prticos de aplicao
Redes feed-forward Multi-nveis: Perceptrons e suas limitaes, Regra de Widrow-Hoff, Algoritmo
Backpropagation, Clculo do nvel de sada, Clculo do nvel anterior, Ajuste da taxa de aprendizado, Funo de
transferncia, Interferncia retroativa, Exemplos de aplicao.
Sistemas auto-organizativos : Self-Organizing Feature Memory, Learning Vector Quantization (LVQ), Adaptive
Ressonance Theory (ART), Aprendizado por competio, Aplicaes.
BIBLIOGRAFIA:
Braga, A P, Carvalho, A P L e Ludermir, T B (2007). Redes neurais artificiais: teoria e aplicaes. LTC,
Livros Tcnicos e Cientficos.
Haykin, S. (2000). Redes Neurais: Princpios e Prticas. Segunda Edio. Bookman.
Hassoun, M. H. (1995). Fundamentals of artificial neural networks. MIT Press, Cambridge : MA.
Zurada, J.M. (1992) Introduction to Artificial Neural Systems, Publisher : West Pub. Co, US
Hertz, J., Krogh, A., and Palmer, R.G. (1991). Introduction to the theory of neural computation. AddisonWesley Publishing Company, Redwood City, CA.
DATA DA APROVAO: