Flashcards
Bora pt2
Cards in this deck (13)
- 1Deep Learning O que é? Existe desde quando? Como processa os dados?Uma subárea da aprendizagem de máquina que utiliza redes neurais artificiais profundas
Nova tecnologia de 2010
Utiliza camada de neurônios para processar os dados - 2Utilização do Deep LearningCompreender a fala humana
Reconhecer objetos/seres - 3Hidden Layer, Output Layer, Input LayerInput Layer -> Hidden Layers -> Output layer
Input layer é a camada da entrada com os dados do x
Hidden layers são camadas com seus neuronios que processam os dados
Output layer é a saida(y) - 4PerceptronPrimeiro tipo de neuronio a utilizar os pesos e o bias
Continha apenas uma camada(um unico neuronio)
Por causa disso, só funciona para previsão linear - 5Equacao da reta(PERCEPTRON):ax + by + c = 0
Se estiver na reta = 0, se estiver acima positivo, se estiver abaixo negativo
Não esqueça de simplificar o resultado - 6Determinantesp1x p1y 1 p1x p1y
p2x p2y 1 p2x p2y
x y 1 x y
diagonal desce
diagonal inversa desce negativo
a vai ser o x
b vai ser o y
e c vai ser o numero - 7ClassesPara cada classe é necessário um neuronio
- 8Tamanho/numero da camada oculta / Numero de camadasTamanho/Numero da(e) camada(s) oculta(s) -> Quantia de neuronios por coluna
Numero de camadas -> Numero de neuronios na "linha" - 9Funções de Ativação:Limiar(linear) -> Classificador baseado em um limiar (threeshold). Ativa ou não se X estiver acima de um valor determinado.
Linear(duh) -> Ideal para tarefas simples. A saída final é uma transformação linear da entrada.
Sigmóide(Não-Linear) -> Função amplamente utilizada. Utiliza regressão logistica, sempre retorna valores entre 0 e 1. Quanto mais proximo de 1, maior a chance de ser 1, e 0 0.
Tanh(Não-Linear SE TIVER VALORES NEGATIVOS) -> Função amplamente utilizada.
Linear para valores positivos.
Transforma todos valores negativos em Zero. - 10BackpropagationPrimeira proposta de Perceptron de Múltiplas Camadas.
A otimização dos pesos só é possível em redes de múltiplas camadas (profundas). - 11Explique todo o processo e veja qual parte esqueceu:TREINO DE REDES NEURAIS MULTI CAMADAS
ARQUITETURA DA REDE:
QTD DE CAMADAS E QTD PERCEPTRONS.POR CAMADA
◦ PERCEPTRON
◦ PESOS – BIAS
◦ FUNÇÃO DE ATIVAÇÃO
TREINO:
• DEFINIÇÃO DE ÉPOCAS
PARA CADA ÉPOCA:
▪ FORWARD
• PASSAGEM POR CADA PERCEPTRON DE TODAS AS CAMADAS ATÉ CHEGAR NA SAÍDA
▪ SAÍDA INCORRETA(REDE PRECISA TREINAR MAIS):
• CÁLCULO DO CUSTO/ PERDA → LOSS
▪ BACKPROPAGATION
• ANÁLISE DAS DERIVADAS DO ERRO:
RETROPROPAGAÇÃO GERA OS VETORES DE GRADIENTE
O vetor de gradientes terá o mesmo
formato do vetor de pesos e bias.
ATUALIZAÇÃO DOS PESOS E BIAS COM BASE NA:
TAXA DE APRENDIZADO E VETOR DE GRADIENTE
PREDIÇÃO:
* FORWARD
• PROPAGAÇÃO DA REDE – PREVISÃO
• UMA VEZ OS PESOS AJUSTADOS – É SÓ CHAMAR ESSE MÉTODO PARA A
PREVISÃO - 12Calculo do peso(bem simples de guardar na real)Novo peso = Peso anterior – (Taxa de Aprendizado * Gradiente calculado na posição referente ao peso)
- 13x w e zx - entrada
w - pesos
z - (Pesos * Entradas) + Bias
y = saida = ativaçãofunc(z)
Information
- Description
- Flashcards on Bora pt2, created by Sea King on 05/04/2023.
- Created by
- Sea King
- Views
- 8
- Rating