Aprendizado de Máquina: Dica para a prova

A tendencia é que se aproximando do fim, não se faz mais a ação action greed. Pq?

no inicio usa mto o e-greedy para explorar a tabela por inteiro, se aproximando do fim das etapas de simulaçao o algoritmo precisa aprender... então ele aprende quais as melhores políticas e atua somente nelas.

Tabela-Verdade - 22/08/2008

3.2 – Ordem de Precedência dos Conectivos

- a “ordem de precedência” para os conectivos é

1) ~ 2) ^ 3) v

4) -> 5) <->

Portanto, o conectivo mais “fraco” é o ~ e o conectivo mais forte é o “<->”.

Assim, por exemplo, a proposição p -> q <-> s ^ r é uma bicondicional.

Obs.: Existindo parênteses em uma proposição, deverão ser priorizados os conectivos que estiverem dentro deles.

3.3 – Tabela-Verdade

Definição: Uma tabela-verdade é construída com a finalidade de mostrar exatamente os casos em que uma proposição composta será verdadeira (V) ou falsa (F), admitindo-se como é sabido, que o seu valor lógico só depende dos valores lógicos das proposições simples componentes.

3.4 – Número de linhas de uma tabela-verdade

O número de linhas da tabela-verdade de uma proposição composta depende do número de proposições simples que a integram, sendo dado pelo seguinte teorema:

“A tabela-verdade de uma proposição composta com N proposições simples componentes contém 2^n linhas”

Exemplos:

1) P(p,q): (p^q)

2) P(p,q): ~(p^q)v^(q<->p)

3) P(p, q, r): p v ~r -> q ^ r

Aula de Projeto 6 - 18/08/2008

Para semana que vem:

Capa
1. Introdução
- Delimitar o problema/área de atuação
- Áreas abrangidas pela multidisciplinaridade
- Hipótese para a resolução do problema (S.E. em SINTA)

1.1 Domínio do Problema: aprofundar-se no problema abordado
- Utilidade de um S.E.

1.2 Sistema Atual: Desdobrar a introdução

Basear-se em: MonografiaAlergia_Exemplo.pdf (no Teleduc)

Busca de Custo Uniforme e Greedy Search

- Busca de Custo Uniforme (Busca Ordenada)

*Apostila 1: Algoritmos e Problemas de Busca (24/25)

Expande o nó de menor custo da trajetória a cada visita.
Usa-se fila de prioridades (como visto em S.O. no 3º Período) : menor valor, maior prioridade.

Completo? Sim
Ótimo? Sim, pois encontra a solução que possuir o menor valor (custo)
Complexidade de Tempo? Número de nós com custo <= d
Complexidade de Espaço? Número de nós com custo <= d

- Greedy Search (Algoritmo Guloso)

Trabalha partindo dos valores informados pela heurística (ou pelo conjunto de heurísticas), sem enxergar o problema como um todo, por isso, ele pode tomar decisões incorretas (como cair em um loop infinito).
Também utiliza fila de prioridades: menor valor, maior prioridade.
A heurística guia a busca, mas não representa o custo real.
Completo? Não
Ótimo? Não, mas pode ser dependendo da heurística utilizada
Complexidade de Tempo? O(b^m), mas pode variar de acordo com a heurística utilizada
Complexidade de Espaço? O(b^m)

Observação:
Profundidade -> Pilha
Largura -> Fila

Trabalho - 19/08/2008

Fazer um trabalho com formato de artigo (introdução, Desenvolvimento, Conclusão e Bibliografia) Sobre usabilidade em interfaces de aplicações computacionais. Não menos de 3 páginas de conteúdo.

Individual

Trabalho - 21/08/08

Construir um programa que realize o treinamento de um neuronio para logica AND. O programa deverá ler os valores de W1, W2, N e Teta) Como saida mostrará os valores finais de W1 e W2. Apos o treinamento deverá mostrar o nº de epocas do treinamento.

Linguagem: C
Valor: 2
Data de Entrega: 21/08/08

Treinamento de Neuronio

Etapas do Treinamenos:

1. Submeter a entrada de valores
2. Calcular a saida da rede
3. Calcular o erro
4. Calcular a variação dos pesos
5. Calcular a variação dos novos pesos
6. Voltar ao passo 1

Erro: Saida desejada - saida real
N = taxa de treinamento (velocidade de aprendizado)
Xi = Entrada relativa ao peso Wi
∆Wi = N * Erro * Xi
Wi novo = Wi atual + ∆Wi
NETj = (X1 * W1) + (X2 * W2) + (Xn * Wn)
F(Netj) = função de ativação

• 0, se NETj < θ
• 1, se NETj ≥ θ

Exemplo Calcular os pesos do neuronio que simule o funcionamento de uma porta logica OR

Para Visualizar melhor a resolução do exercicio clique na porra da imagem.

Algoritmo de Busca para Grafos

Completo: Para qualquer problema ele encontrará a solução?
Ótimo: Se tem a solução, ele encontra o melhor caminho
Complexidade de Tempo: Projeção de crescimento da quantos nós forem espandidos.
Complexidade de Espaço: Algum nó é retirado da memoria durante a busca? Se não complexidade é igual a complexidade de tempo.

Busca em Largura (BFS)
Utiliza a estrutura de fila. Coloca em uma fila todos os nos visitados e também seus vizinhos, realizando assim uma busca nivel a nivel.
Caracteristicas do Algoritmo:
Completo;
Ótimo;
Complexidade de Tempo: O(b^d);
Complexidade de Espaço: O(b^d).

Busca em Profundidade (DFS)
Nessa estratégia de busca um dos nós do nível mais profundo da árvore de busca
sempre é expandido. Somente quando a busca atinge um nó cujos filhos possuem estados
que já foram expandidos outrora é que a busca expandirá algum dos nós pertencentes aos
níveis acima deste, processo este conhecido como backtrack.

Completo: não (Falha com caminhos infinitos ou loops)
Completa: sim, se L >= d! (Determinar uma profundidade máxima L, no qual a DFS deve parar.)
Ótimo: não


Busca em Aprofundamento Iterativo (IDS)
Faz repetidas buscas em profundidade, aumentando o limite a cada iteração.
Combina os benefícios da BFS e DFS
Completo;
Ótimo;
Não gasta muita memória. Repetição da expansão de estados.
Não é tão ruim, pois a maior parte dos estados está nos níveis mais baixos
Na verdade, gera menos estados que o BFS, pois não gera estados no nível d+1



Exercios e Exemplos de Algoritmos para Grafos

Agente Autonomo

Agente Autonomo de Software (Softbot): Controlam sistemas de acesso, recuperação e atualização de informação, normalmente operam em redes de computadores e habitam um mundo virtual. Muitas vezes atuam em conjunto.

Agente Autonomo de Hardware (Robots): Controlam um conjunto de atuadores e sensores acoplados ao mundo fisico e integrados ao proprio agente. Atuam isoladamente.

Um Agente pode ser:

1. Completamente não autonomo
2. Operacionalmente autonomo e não adaptativo
3. Operacional autonomo e adaptativo não autonomo
4. Operacional autonomo e adaptativo autonomo

Usa-se a experiência para propagar o conhecimento no tempo.

Autônomo operacional -> Realiza uma operação sem que haja interferência humana.
Autônomo adaptativo -> Pode sofrer modificações estruturais ao longo do tempo, e é usado quando a modelagem do processo for mais custosa.

O agente realiza uma ação sobre o ambiente (processo dinâmico) e percebe, através dos sensores, as alterações no ambiente.

O crítico só age quando não ocorre uma evolução no aprendizado de modo que, o cenário atual não atende os requisitos necessários para que a tarefa possa ser identificada como "concluída com êxito". É ele que informa o quanto bem (ou mal) o agente está agindo.

O Elemento de Desempenho é o responsável por mapear o par Estado/Ação, e para cada p(E,A) deve existir um reforço.

Resumo Expert SINTA

Sistemas especialistas são programas de computador que procuram atingir soluções de determinados problemas do mesmo modo que especialistas humanos, se estiverem sob as mesmas condições.
A arquitetura mais comum de sistemas especialistas é a que envolve regras de produção (production rules). Essas regras são simplesmente um conjunto de condições no estilo SE... ENTÃO..., Visando uma maior viabilidade econômica na implementação de um sistema especialista,foram criadas ferramentas, shells, aptas a realizar muito do trabalho necessário para transpor um sistema especialista para um computador.O Expert SINTA é uma ferramenta computacional que utiliza técnicas de Inteligência Artificial para geração automática de sistemas especialistas, tendo como objetivo principal simplificar o trabalho de implementação de sistemas especialistas.

Entre outras características inerentes ao Expert SINTA, temos:

• utilização do encadeamento para trás (backward chaining);
• utilização de fatores de confiança;
• ferramentas de depuração;
• possibilidade de incluir ajudas on-line para cada base.

Conceitos Básicos:

Estes conceitos são para entendimento das seções global desta porra.

• projetista do conhecimento: é o encarregado de transporta o conhecimento humano para uma série de passos que um computador é capaz de entender;

• base de conhecimento: é o conjunto de informações, representado no Expert SINTA na forma de regras SE-ENTÃO, as quais supostamente devem agir conforme um especialista humano. Seria, então, a “alma” do sistema especialista;

• variáveis: são os elementos do mundo real representados na base de conhecimento, como, por exemplo, uma tipo de doença, a quilometragem de um carro, pragas de um cajueiro, a posse ou não de crédito em determinada agência bancária, etc.

• valores: são instâncias das variáveis, ou seja, uma variável pode possuir um ou mais valores (quem decide é o projetista do conhecimento). Também podem existir casos nos quais uma variável permanece DESCONHECIDA, ou seja, o sistema não conseguiu nenhum valor satisfatório para ela;

• depuração: acompanhamento da execução da consulta com o intuito de compreender como o sistema especialista chegou àquela(s) conclusão(ões). Também pode ser usada com o intuito de corrigir falhas na base de conhecimento;

Sexto Periodo

Bando de mula! Bem Vindos ao 6º Periodo!

Faltam somente mais 18 meses!

Obs: Pra ter formatura é necessario pagar e assinar contrato!

A seguir topicos interessantes sobre a materia!

Criticas e sugestões Felipe MX
Elogios: Vincius Feitosa

Abraços a todos!