Trabalho De Inteligencia Artificial

Projeto prático.

Pela análise de um processo de destilação fracionada de petróleo observou-se que determinado óleo poderia ser classificado em duas classes de purezas {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 do processo, formou-se o conjunto de treinamento apresentado no Apêndice I, tomando por convenção o valor – 1 para óleo pertencente à classe P1 e o valor 1 para óleo pertencente à classe P2.

Para tanto, o neurônio constituinte do Perceptron terá então três entradas e uma saída conforme ilustrado na figura 3.8.

Utilizando o algoritmo supervisionado de Hebb (regra de Hebb) para classificação de padrões, e assumindo-se a taxa de aprendizagem como 0,01, faça as seguintes atividades:

1) Execute cinco treinamentos para a redePerceptron, iniciando-se o vetor de pesos {W} em cada treinamento com valores aleatórios entre zero e um. Se for o caso, reinicie o gerador de números aleatórios em cada treinamento de tal forma que os elementos do vetor de pesos iniciais não sejam os mesmos. O conjunto de treinamento encontra-se no apêndice 1.

2) Registre os resultados dos cincos treinamentos na tabela 3.2 apresentada a seguir.

Tabela 3.2- Resultados dos treinamentos do Perceptron.

Treinamento Vetor de pesos iniciais Vetor de pesos finais Números

W0 W1 W2 W3 W0 W1 W2 W3 deépocas

1º (T1) -1 0,9 0,9 0,9 -1 0,5170 0,8836 -0,2439 95

2º (T2) -1 0,2 0,3 0,1 -1 0,4345 0,6440 -0,2196 188

3º (T3) -1 0,9 0,8 0,7 -1 0,5520 0,8239 -0,2401 65

4º (T4) -1 0,6 0,1 0,2 -1 0.4357 0,6400 -0,2195 216

5º (T5) -1 0,1 0,5 0,9 -1 0,4386 0,6403 -0,2197 147

3) Após o treinamento do Perceptron, coloque o mesmo em operação, aplicando na classificação automática das amostras de óleo da tabela 3.3, indicando ainda nesta tabela aqueles resultados das saídas (Classes) referentes aos cinco processos de treinamento realizados no item 1.

Tabela 3.3 – Amostras de óleo para validar a redePerceptron.

Amostra X1 X2 X3 Y (T1) Y (T2) Y (T3) Y (T4) Y (T5)

1 -0,3665 0,062 5,9891 -1,0000 -1,0000 -1,0000 -1,0000 -1,0000

2 -0,7842 1,1267 5,5912 1,0000 1,0000 1,0000 1,0000 1,0000

3 0,3012 0,5611 5,8234 1,0000 1,0000 1,0000 1,0000 1,0000

4 0,7757 1,0648 8,0677 1,0000 1,0000 1,0000 1,0000 1,0000

5 0,157 0,8028 6,304 1,0000 1,0000 1,0000 1,0000 1,0000

6 -0,7014 1,0316 3,6005 1,0000 1,0000 1,0000 1,0000 1,0000

7 0,3748 0,1536 6,1537 -1,0000 -1,0000 -1,0000 -1,0000 -1,0000

8 -0,692 0,9404 4,4058 1,0000 1,0000 1,0000 1,0000 1,0000

9 -1,397 0,7141 4,9263 -1,0000 -1,0000 -1,0000 -1,0000 -1,0000

10 -1,8842 -0,2805 1,2548 -1,0000 -1,0000 -1,0000 -1,0000 -1,0000