Solte o produto na sua mochila

Autor: Oswaldo Ludwig Junior, Eduardo Montgomery Meira CostaPublicação: 09/2007ISBN: 9788573936193BrochuraPáginas: 136Editora: Ciência Moderna

Livro Redes Neurais - Fundamentos e Aplicações com Programas em C

Fundamentos e Aplicações com Programas em C

9788573936193

Este livro aborda de maneira didática à compreensão e ao uso das redes neurais, reunindo em um só trabalho, teoria, exemplos e detalhes importantes para a implementação de algoritmos, poupando o leitor da árdua tarefa de buscar inúmeros textos...

  • R$ 33,00 R$ 28,05
  • Disponibilidade em estoque: Imediata

Este livro aborda de maneira didática à compreensão e ao uso das redes neurais, reunindo em um só trabalho, teoria, exemplos e detalhes importantes para a implementação de algoritmos, poupando o leitor da árdua tarefa de buscar inúmeros textos pelo conteúdo necessário para a formação de um entendimento consistente sobre o assunto.

Nesse trabalho são descritos de forma objetiva e detalhada, apenas os modelos neurais mais empregados no mercado: o Perceptron, o Perceptron de Múltiplas Camadas e a Rede de Kohonen. Entretanto, o conteúdo deste livro pretende capacitar o leitor a explorar os demais paradigmas neurais. Aqui são apresentados programas em C, uma linguagem mais universal no mundo da computação, para a realização dos algoritmos de treinamento das redes neurais, de forma a ampliar o entendimento do leitor, tendo este livro a apresentação de exemplos detalhados no passo a passo, bem como vários exercícios para a maior fixação do seu conteúdo.

Os Autores:
Oswaldo Ludwig Junior, nascido em 1967, recebeu o grau de engenheiro civil em 1995 e obteve o título de mestre em engenharia elétrica pela Universidade Federal de Bahia (UFBA) em 2005. Atualmente é professor dos cursos de engenharia elétrica em universidades privadas, lecionando as disciplinas: controle não linear, controle digital, processamento digital de sinais e inteligência artificial. As suas atividades também incluem pesquisas no campo da inteligência artificial, na UFBA, com o suporte financeiro da Petrobrás.

Eduard Montgomery Meira Costa nasceu em Esperança, Paraíba, em 1970. Graduou-se em Engenharia Elétrica em 1994, finalizou o mestrado em Engenharia Elétrica em 1997 e concluiu o doutorado em Engenharia Elétrica em 2001, todos pela Universidade Federal da Paraíba, Campina Grande. Realizou pesquisa de Desenvolvimento Científico Regional na Universidade Federal da Bahia até 2004, sendo atualmente professor do Programa de Pós-Graduação em Engenharia Mecatrônica (Departamento de Engenharia Mecânica) desta Universidade, e professor de Eletromagnetismo da Faculdade ÁREA1, onde já ministrou vários cursos, mini-cursos e palestras na área de Automação e Controle de Sistemas a Eventos Discretos e orientou vários trabalhos em diversas áreas, como instrumentação, automação, robótica, programação e eletromagnetismo.

Tem livros publicados em várias áreas como: Controle Supervisório, Eletromagnetismo, Programação em C e Orientação Didática. Seus interesses são Eletromagnetismo, Automação Industrial e Controle de Sistemas a Eventos Discretos e Instrumentação Eletrônica.

1 INTRODUÇÃO 1.1 SOBRE A INTELIGÊNCIA ARTIFICIAL 1.1.1 Representação do Conhecimento 1.1.2 Raciocínio 1.1.3 Aprendizado 1.2 BREVE HISTÓRIA SOBRE AS REDES NEURAIS 1.3 VANTAGENS E LIMITAÇÕES DAS REDES NEURAIS 1.4 EXERCÍCIOS 2 PRINCÍPIOS DE NEUROCOMPUTAÇÃO 2.1 OS NEURÔNIOS 2.2 A REDE NEURAL 2.3 A ARQUITETURA DA REDE 2.4 O CONTROLE DO APRENDIZADO 2.5 O ALGORITMO DE APRENDIZADO 2.6 O PROBLEMA DE ATRIBUIÇÃO DE CRÉDITO 2.7 EXERCÍCIOS 3 O PROJETO DE UMA REDE NEURAL 3.1 COLETA E SELEÇÃO DE DADOS 3.2 CONFIGURAÇÃO DA REDE 3.3 TREINAMENTO 3.4 TESTE 3.5 INTEGRAÇÃO 3.6 EXERCÍCIOS 4 O PERCEPTRON 4.1 DESCRIÇÃO 4.2 ALGORITMO DE APRENDIZAGEM DO PERCEPTRON 4.3 EXEMPLOS NUMÉRICOS 4.3.1 Primeiro Exemplo 4.3.2 Segundo Exemplo 4.4 O PROBLEMA XOR 4.5 PROGRAMA EM C PARA PERCEPTRON 4.6 EXERCÍCIOS 5 PERCEPTRONS DE MÚLTIPLAS CAMADAS 5.1 DESCRIÇÃO 5.2 A PROPAGAÇÃO DO SINAL 5.3 O ALGORITMO DE RETROPROPAGAÇÃO DE ERRO 5.4 UM RESUMO DO ALGORITMO 5.5 UM EXEMPLO NUMÉRICO 5.6 APRENDIZADO PELO GRADIENTE DESCENDENTE 5.7 PROGRAMA EM C PARA MLP 5.8 EXERCÍCIOS 6 A REDE DE KOHONEN 6.1 DESCRIÇÃO 6.2 O ALGORITMO DA REDE 6.2.1 Processo Competitivo 6.2.2 O Processo Cooperativo 6.2.3 O Processo Adaptativo 6.3 ALGORITMO DE TREINAMENTO DA REDE DE KOHONEN 6.4 UM EXEMPLO NUMÉRICO 6.5 UM PROGRAMA EM C P/ TREIN. DE KOHONEN 6.6 EXERCÍCIOS 7 EXTRAÇÃO DE CARACTERÍSTICAS 7.1 TRATAMENTOS DOS DADOS PARA O USO EM RNAS 7.2 ANÁLISE DE ENTROPIA 7.3 ANÁLISE DA DISTÂNCIA DE BATTACHARYYA 7.4 COEFICIENTE DE CORRELAÇÃO 7.5 MOMENTOS INVARIANTES 7.6 ANÁLISE DOS COMPONENTES PRINCIPAIS 7.7 EXERCÍCIOS 8 EXEMPLOS DE APLICAÇÕES 8.1 DETECÇÃO DE FALHAS EM MOTORES DE INDUÇÃO 8.2 PREDIÇÃO DE SÉRIES TEMPORAIS 8.3 EXERCÍCIOS BIBLIOGRAFIA

blog comments powered by Disqus