Redes/mapas auto-organizados

Introdução ao SOM.

Transcript

2. Redes/mapas auto-organizados SOM (Self-organizing Maps) 2
3. O que é? “É um tipo de rede neural artificial (ANN) que é treinada usando aprendizagem não supervisionada para produzir uma representação discretizada de baixa dimensão (tipicamente bidimensional) do espaço de entrada das amostras de treinamento, chamado de mapa e, portanto, é um método para reduzir a dimensionalidade.” [2] 3
4. •O que é? • Aprendizagem não supervisionada[12] • A rede tem de descobrir sozinha relações, padrões, regularidades ou categorias nos dados que lhe vão sendo apresentados e codificá-las nas saídas. 4
5. Quem? Teuvo Kohonen 5 [4]
6. Onde?[2] • Meteorologia e oceanografia, • Priorização e seleção de projetos, • Análise de facies sísmicas para exploração de petróleo e gás, • Modo de falha e análise de efeitos, • Criação de obras de arte, • Entre outros. 6
7. Quando? • Estruturas de dimensões mais elevadas, como os mapas bidimensionais.[5] 7
8. Por que? • Outros modelos parecidos:[8] • Modelo LVQ(Linear Vector Quantization) • Modelo mais simples • Modelo ART (Adaptive Ressonance Theory) • Memória Associativa 8
9. Como? 9
10. Aprendizado Competitivo:[14] 10 • Elementos básicos para uma regra de aprendizado competitivo: • Um conjunto de neurônios; • Um limite imposto à robustez de cada neurônio. • Um mecanismo • Os neurônios individuais aprendem e se especializam nos conjuntos de padrões similares => tornam-se detetores de características.
11. Aprendizado Competitivo :[14] 11
12. Modelo de disparo [14] 12
13. Modelo de disparo :[15] 13 Ꝋ(u,v,s)
14. Aprendizado - Geometricamente [8] 14
15. Geometricamente : 15
16. Geometricamente : 16
17. Formula Completa : 17 + 1 = + Ꝋ(u,v,s) * α(s) * ( - ) • = É o vetor de peso atual do nó v; • s = É a iteração atual; • Ꝋ(u,v,s) = É uma restrição devido à distância da BMU(Best Matching Unit), geralmente chamada de função de vizinhança; • α(s) = É uma restrição de aprendizagem devido ao progresso da iteração; • = É um vetor de dados de entrada de destino;
18. Referências • [1] https://www.youtube.com/watch?v=sBK89IpyVdE • [2] https://en.wikipedia.org/wiki/Self-organizing_map • [3] https://www.youtube.com/watch?v=aKfPG51cbSM • [4] http://www.aka.fi/fi/akatemia/media/Ajankohtaiset-uutiset/2015/som-opas-noviiseille-myos-itseopiskeluun/ • [5] ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/theses/lnunes_mest/cap8.pdf • [6]http://docs.unigrafia.fi/publications/kohonen_teuvo/MATLAB_implementations_and_applications_of_the_self_ organizing_map.pdf • [7] https://github.com/yogonza524/SOM • [8] http://www.dainf.ct.utfpr.edu.br/~fabro/IF67D/SlidesRNA/SOM.pdf • [9] http://www.youtube.com/watch?v=kcG58hwoqag • [10] http://www.youtube.com/watch?v=ipH_Df2MbPI • [11] http://www.youtube.com/watch?v=MkfI-q52JqU • [12] http://home.isr.uc.pt/~paulo/PROJ/NN95/node31.html • [13] https://www.youtube.com/watch?v=KPP-4-LEHXQ • [14] http://www.lac.inpe.br/~demisio/univ/neuro/ubc2.pdf • [15] https://goo.gl/8FJ8Zb 18