Este Livro descreve de forma detalhada e didática, mostrando passo-a-passo, como fazer o treinamento de uma Rede Neural Artificial usando vários algoritmos e arquiteturas empregadas em Packages e Toolboxes dos principais softwares de Machine Learning. São apresentados diversos exemplos para entender os conceitos e fundamentos da aprendizagem de um neurônio artificial.

Background Matemático: como é necessário conhecimento prévio de determinados resultados de cálculo, no Capítulo 2 são apresentados os conceitos de derivada, derivada direcional e o método do gradiente descendente que servem de base para o entendimento do algoritmo de backpropagation.

Perceptron: é o primeiro modelo e o mais simples, proposto por Rosenblatt em 1958, usado para representar matematicamente um neurônio. No Capítulo 3 o percetron é explorado e suas limitações são expostas.

Perceptrons de Múltiplas Camadas: após vários anos de estagnação, décadas de 1960 e 1970, as RNA voltam a receber atenção com os Perceptrons de Múltiplas Camadas (MLP) treinados com o algoritmo de backpropagation, apresentado no Capítulo 4.

Nessa sequência este Livro explora variantes do MLP, sendo examinadas detalhamente as variantes QPROP, RPROP, DELTA-BAR-DELTA e LMBP.

Para mostrar que os cálculos correspondem exatamente ao que é programado, os resultados são comparados com importantes funções do MATLAB® e a seguir são mostradas todas as linhas de programação usando comandos do PythonTM.

Sumário: Parte 1 – Introdução – Background Matemático e MATLAB – 1 / Capítulo 1 – introdução – 3 / Capítulo 2 – Background Matemático e MATLAB – 15 / Parte 2 – Perceptron – 89 / Capítulo 3 – Perceptron – 91 / Capítulo 4 – Backpropagation e Perceptrons de Múltiplas Camadas MLP – 143 / Capítulo 5 – Quick Propagation QPROP – 205 / Capítulo 6 – Propagação Resiliente RPROP – 255 / Capítulo 7 – Algoritmo de Levenberg- Marquardt e Backpropagation LMBP – 301 / Capítulo 8 – Delta-Bar-Delta DBD – 389 / Apêndice – 465 / Referências bibliográficas – 489

Informações sobre o Livro

Título do livro : BACKPROPAGATION E REDES NEURAIS – VOL.01
Autor : JUNIOR, FABIO A. E OLIVEIRA, MAURI A.
Idioma : Português
Editora do livro : CIENCIA MODERNA
Capa do livro : Mole
Quantidade de páginas : 524
Altura : 28 cm
Largura : 21 cm
Peso : 760 g
Tipo de narração : Manual
Data de publicação : 07-03-2024
Gênero do livro : Informática e Tecnologia
Ano de publicação : 2024