INTELIGÊNCIA COMPUTACIONAL TRABALHO COMPUTACIONAL
Por: Danilo Mendes • 31/8/2018 • Trabalho acadêmico • 337 Palavras (2 Páginas) • 187 Visualizações
INTELIGÊNCIA COMPUTACIONAL
TRABALHO COMPUTACIONAL –1
(Valor: 5 pts.)
- 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.
...