desenvolvimento de rede neural som: um estudo de caso para segmentação de perfis
Post on 28-Jan-2018
427 Views
Preview:
TRANSCRIPT
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Desenvolvimento de Rede Neural SOMTrabalho de Conclusao de Curso
Manoel Jorge Ribeiro Neto Evandro de Barros CostaRomulo Nunes de Oliveira
Instituto de ComputacaoUniversidade Federal de Alagoas
30 de Marco de 2007
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Sumario
1 Resumo
2 Introducao
3 Redes Neurais
4 Mapas Auto-Organizaveis
5 Segmentacao de perfis
6 ConclusaoManoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Resumo
Neste trabalho, apresenta-se um estudo sobre Redes Neurais,com foco nas redes SOM (Self-Organizing Map, ou MapaAuto-Organizavel). Decorrente deste estudo, desenvolve-se umsistema de software capaz de agrupar os diferentes perfis deum domınio. O sistema de software criado e composto por umcomponente que implementa o algoritmo SOM. A visualizacaodo mapa gerado pelo algoritmo, desta forma, e efetuada porum Mapa Contextual, por meio do qual e possıvel identificar osagrupamentos do domınio e, desta maneira, segmentar osdiferentes grupos de perfis pertinentes ao mesmo.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
MotivacaoProposta
Motivacao
Antes mesmo da popularizacao da informatica, muitasinstituicoes ofereciam servicos destinados a usuarios emmassa.Com a evolucao da tecnologia, os servicos passaram aagregar milhares (ou ate milhoes) de usuarios, tornandohumanamente impossıvel a tarefa de analisar os maisdiversos perfis, classificando-os de acordo com suassimilaridades.Diante disso, a Inteligencia Artificial oferece muitastecnicas para abordar esse problema. Entre elas, esta autilizacao de redes SOM (Self-Organizing Map), que e umtipo especial de Rede Neural artificial, capaz de realizaragrupamentos e classificacoes em mapas bidimensionais.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
MotivacaoProposta
Motivacao
Antes mesmo da popularizacao da informatica, muitasinstituicoes ofereciam servicos destinados a usuarios emmassa.Com a evolucao da tecnologia, os servicos passaram aagregar milhares (ou ate milhoes) de usuarios, tornandohumanamente impossıvel a tarefa de analisar os maisdiversos perfis, classificando-os de acordo com suassimilaridades.Diante disso, a Inteligencia Artificial oferece muitastecnicas para abordar esse problema. Entre elas, esta autilizacao de redes SOM (Self-Organizing Map), que e umtipo especial de Rede Neural artificial, capaz de realizaragrupamentos e classificacoes em mapas bidimensionais.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
MotivacaoProposta
Motivacao
Antes mesmo da popularizacao da informatica, muitasinstituicoes ofereciam servicos destinados a usuarios emmassa.Com a evolucao da tecnologia, os servicos passaram aagregar milhares (ou ate milhoes) de usuarios, tornandohumanamente impossıvel a tarefa de analisar os maisdiversos perfis, classificando-os de acordo com suassimilaridades.Diante disso, a Inteligencia Artificial oferece muitastecnicas para abordar esse problema. Entre elas, esta autilizacao de redes SOM (Self-Organizing Map), que e umtipo especial de Rede Neural artificial, capaz de realizaragrupamentos e classificacoes em mapas bidimensionais.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
MotivacaoProposta
Proposta
A proposta do trabalho e, portanto:
Pormenorizar o assunto, com o estudo de Redes NeuraisSOM.
Como estudo de caso, implementar um sistemasegmentador de perfis.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
MotivacaoProposta
Proposta
A proposta do trabalho e, portanto:
Pormenorizar o assunto, com o estudo de Redes NeuraisSOM.
Como estudo de caso, implementar um sistemasegmentador de perfis.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Representacao de um neuronio
O neuronio e a base das Redes Neurais, sendo que osneuronios de uma rede sao conectados por vınculosorientados.
Um neuronio e constituıdo pelos seguintes elementosbasicos:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Representacao de um neuronio
O neuronio e a base das Redes Neurais, sendo que osneuronios de uma rede sao conectados por vınculosorientados.
Um neuronio e constituıdo pelos seguintes elementosbasicos:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Elementos de um neuronio
1 Um conjunto de sinapses: com cada sinapse associada aum peso wkj , cujo valor e multiplicado pelo sinal deentrada xj ;
2 Um adicionador: que efetua a soma dos sinais de entrada(ja devidamente multiplicados pelos pesos wkj ;
3 Uma funcao de ativacao: que serve para “ativar” ou“desativar” o neuronio, dependendo de suas entradas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Elementos de um neuronio
1 Um conjunto de sinapses: com cada sinapse associada aum peso wkj , cujo valor e multiplicado pelo sinal deentrada xj ;
2 Um adicionador: que efetua a soma dos sinais de entrada(ja devidamente multiplicados pelos pesos wkj ;
3 Uma funcao de ativacao: que serve para “ativar” ou“desativar” o neuronio, dependendo de suas entradas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Elementos de um neuronio
1 Um conjunto de sinapses: com cada sinapse associada aum peso wkj , cujo valor e multiplicado pelo sinal deentrada xj ;
2 Um adicionador: que efetua a soma dos sinais de entrada(ja devidamente multiplicados pelos pesos wkj ;
3 Uma funcao de ativacao: que serve para “ativar” ou“desativar” o neuronio, dependendo de suas entradas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Elementos de um neuronio
Alem das sinapses, e tambem incluıdo um peso bk,chamado de peso de desvio, cuja funcao e aumentar oudiminuir a entrada da funcao de ativacao.
Esse peso pode ser externo aos demais, ou contido emuma sinapse com entrada fixa igual a 1 e peso bk.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Elementos de um neuronio
Alem das sinapses, e tambem incluıdo um peso bk,chamado de peso de desvio, cuja funcao e aumentar oudiminuir a entrada da funcao de ativacao.
Esse peso pode ser externo aos demais, ou contido emuma sinapse com entrada fixa igual a 1 e peso bk.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Modelo matematico de um neuronio
Matematicamente, o neuronio e definido pelo seguinte par deequacoes:
uk = Σmj=1wkjxj e yk = ϕ(uk + bk), caso bk esteja “fora”
das sinapses;
vk = Σmj=0wkjxj e yk = ϕ(vk), caso bk esteja “entre” as
sinapses.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Modelo matematico de um neuronio
Matematicamente, o neuronio e definido pelo seguinte par deequacoes:
uk = Σmj=1wkjxj e yk = ϕ(uk + bk), caso bk esteja “fora”
das sinapses;
vk = Σmj=0wkjxj e yk = ϕ(vk), caso bk esteja “entre” as
sinapses.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Modelo matematico de um neuronio
��
��
��
Vınculos de entrada
Adicionador
Funcao de ativacao
Saıda Vınculos de saıda
x0 = +1
x1
x2
xm
wk0 = bk
wk1
wk2
wkm
Σ ϕ(.)vk
yk
Figura: Modelo matematico simples para um neuronio
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Funcoes de ativacao
A funcao de ativacao define a saıda do neuronio emtermos do valor v (obtido pelo adicionador).
Nesta secao, sao identificados tres tipos basicos defuncoes de ativacao:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Funcoes de ativacao
A funcao de ativacao define a saıda do neuronio emtermos do valor v (obtido pelo adicionador).
Nesta secao, sao identificados tres tipos basicos defuncoes de ativacao:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Funcoes de ativacao I
Funcao de limiar, que e dada pela seguinte funcao:
ϕ(v) ={
1, se v ≥ 0 (1)
0, se v < 0 (2)
Semi-linear:
ϕ(v) =
1, se v ≥ +1
2 (3)
v, se −12 < v < +1
2 (4)
0, se v ≤ −12 (5)
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Funcoes de ativacao II
Funcao sigmoide:
ϕ(v) = 11+exp(−av)
E a sua derivada e definida por:dϕdv = aϕ(v) [1− ϕ(v)]
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Graficos da funcao sigmoide e de sua derivada
Figura: Graficos da funcao sigmoide e de sua derivada
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Arquiteturas de rede
A maneira como os neuronios em uma Rede Neural estaoestruturados esta intimamente ligada com o algoritmo deaprendizado utilizado.Basicamente, existem duas categorias principais deestruturas de Redes Neurais:
Redes de alimentacao direta;Redes recorrentes.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Arquiteturas de rede
A maneira como os neuronios em uma Rede Neural estaoestruturados esta intimamente ligada com o algoritmo deaprendizado utilizado.Basicamente, existem duas categorias principais deestruturas de Redes Neurais:
Redes de alimentacao direta;Redes recorrentes.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Arquiteturas de rede
A maneira como os neuronios em uma Rede Neural estaoestruturados esta intimamente ligada com o algoritmo deaprendizado utilizado.Basicamente, existem duas categorias principais deestruturas de Redes Neurais:
Redes de alimentacao direta;Redes recorrentes.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Arquiteturas de rede
A maneira como os neuronios em uma Rede Neural estaoestruturados esta intimamente ligada com o algoritmo deaprendizado utilizado.Basicamente, existem duas categorias principais deestruturas de Redes Neurais:
Redes de alimentacao direta;Redes recorrentes.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Arquiteturas de rede
As redes de alimentacao direta geralmente saoorganizadas em camadas, de tal forma que os neuroniosde determinada camada recebem informacoes apenasdos neuronios da camada imediatamente precedente.
Redes recorrentes tem pelo menos um ciclo, tornandosuas respostas dependentes de seus estados anteriores,formando um sistema dinamico.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Arquiteturas de rede
As redes de alimentacao direta geralmente saoorganizadas em camadas, de tal forma que os neuroniosde determinada camada recebem informacoes apenasdos neuronios da camada imediatamente precedente.
Redes recorrentes tem pelo menos um ciclo, tornandosuas respostas dependentes de seus estados anteriores,formando um sistema dinamico.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Arquiteturas de rede
Camada de entrada Camada escondida Camada de saıda
Entradas
Saıdas
Elementos de espera
z−1
z−1
z−1
z−1
Figura: Exemplos de redes de alimentacao direta e recorrente
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Formas de aprendizagem de maquina
As Redes Neurais sao capazes de aprender a partir de umambiente abordado.
O seu aprendizado se da atraves dos ajustes dos pesossinapticos dos neuronios por meio de algum algoritmo deaprendizado.
A aprendizagem de maquina geralmente ocorre de tresformas:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Formas de aprendizagem de maquina
As Redes Neurais sao capazes de aprender a partir de umambiente abordado.
O seu aprendizado se da atraves dos ajustes dos pesossinapticos dos neuronios por meio de algum algoritmo deaprendizado.
A aprendizagem de maquina geralmente ocorre de tresformas:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Formas de aprendizagem de maquina
As Redes Neurais sao capazes de aprender a partir de umambiente abordado.
O seu aprendizado se da atraves dos ajustes dos pesossinapticos dos neuronios por meio de algum algoritmo deaprendizado.
A aprendizagem de maquina geralmente ocorre de tresformas:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Formas de aprendizagem de maquina
Supervisionada: Consiste em aprender a partir deexemplos de entradas e saıdas.
Nao-supervisionada: Faz o aprendizado a partir depadroes de entrada quando os mesmos nao possuemvalores de saıda.
Por reforco: Aprende a partir de medidas de“recompensa”.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Formas de aprendizagem de maquina
Supervisionada: Consiste em aprender a partir deexemplos de entradas e saıdas.
Nao-supervisionada: Faz o aprendizado a partir depadroes de entrada quando os mesmos nao possuemvalores de saıda.
Por reforco: Aprende a partir de medidas de“recompensa”.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Representacao de um neuronioArquiteturas de redeFormas de aprendizagem de maquina
Formas de aprendizagem de maquina
Supervisionada: Consiste em aprender a partir deexemplos de entradas e saıdas.
Nao-supervisionada: Faz o aprendizado a partir depadroes de entrada quando os mesmos nao possuemvalores de saıda.
Por reforco: Aprende a partir de medidas de“recompensa”.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
O Mapa Auto-Organizavel de Kohonen (SOM, deSelf-Organizing Map) e um tipo especial de Rede Neural,baseado em aprendizado competitivo enao-supervisionado.Nele, os neuronios competem entre si pelo direito derepresentar o dado apresentado, sendo que apenas um eo vencedor.Apos a competicao, o neuronio vencedor e seus vizinhostem seus pesos sinapticos atualizados em direcao aodado.Como resultado, obtem-se um mapa topologicamentecorreto do ambiente apos a apresentacao dos dados deaprendizado repetidas vezes e em ordens diversas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
O Mapa Auto-Organizavel de Kohonen (SOM, deSelf-Organizing Map) e um tipo especial de Rede Neural,baseado em aprendizado competitivo enao-supervisionado.Nele, os neuronios competem entre si pelo direito derepresentar o dado apresentado, sendo que apenas um eo vencedor.Apos a competicao, o neuronio vencedor e seus vizinhostem seus pesos sinapticos atualizados em direcao aodado.Como resultado, obtem-se um mapa topologicamentecorreto do ambiente apos a apresentacao dos dados deaprendizado repetidas vezes e em ordens diversas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
O Mapa Auto-Organizavel de Kohonen (SOM, deSelf-Organizing Map) e um tipo especial de Rede Neural,baseado em aprendizado competitivo enao-supervisionado.Nele, os neuronios competem entre si pelo direito derepresentar o dado apresentado, sendo que apenas um eo vencedor.Apos a competicao, o neuronio vencedor e seus vizinhostem seus pesos sinapticos atualizados em direcao aodado.Como resultado, obtem-se um mapa topologicamentecorreto do ambiente apos a apresentacao dos dados deaprendizado repetidas vezes e em ordens diversas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
O Mapa Auto-Organizavel de Kohonen (SOM, deSelf-Organizing Map) e um tipo especial de Rede Neural,baseado em aprendizado competitivo enao-supervisionado.Nele, os neuronios competem entre si pelo direito derepresentar o dado apresentado, sendo que apenas um eo vencedor.Apos a competicao, o neuronio vencedor e seus vizinhostem seus pesos sinapticos atualizados em direcao aodado.Como resultado, obtem-se um mapa topologicamentecorreto do ambiente apos a apresentacao dos dados deaprendizado repetidas vezes e em ordens diversas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
No SOM, os neuronios sao dispostos em um arranjogeralmente unidimensional ou bidimensional, totalmenteconectados com a entrada.
O algoritmo SOM realiza um projecao nao-linear doespaco contınuo de entrada X para o espaco discreto desaıda A.
Quando a dimensao de A e menor que a de X, e realizadauma reducao dimensional.
A reducao da dimensionalidade, em conjunto com apreservacao topologica dos dados, tornam o algoritmoSOM apropriado como ferramenta de mineracao de dados.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
No SOM, os neuronios sao dispostos em um arranjogeralmente unidimensional ou bidimensional, totalmenteconectados com a entrada.
O algoritmo SOM realiza um projecao nao-linear doespaco contınuo de entrada X para o espaco discreto desaıda A.
Quando a dimensao de A e menor que a de X, e realizadauma reducao dimensional.
A reducao da dimensionalidade, em conjunto com apreservacao topologica dos dados, tornam o algoritmoSOM apropriado como ferramenta de mineracao de dados.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
No SOM, os neuronios sao dispostos em um arranjogeralmente unidimensional ou bidimensional, totalmenteconectados com a entrada.
O algoritmo SOM realiza um projecao nao-linear doespaco contınuo de entrada X para o espaco discreto desaıda A.
Quando a dimensao de A e menor que a de X, e realizadauma reducao dimensional.
A reducao da dimensionalidade, em conjunto com apreservacao topologica dos dados, tornam o algoritmoSOM apropriado como ferramenta de mineracao de dados.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Auto-Organizaveis
No SOM, os neuronios sao dispostos em um arranjogeralmente unidimensional ou bidimensional, totalmenteconectados com a entrada.
O algoritmo SOM realiza um projecao nao-linear doespaco contınuo de entrada X para o espaco discreto desaıda A.
Quando a dimensao de A e menor que a de X, e realizadauma reducao dimensional.
A reducao da dimensionalidade, em conjunto com apreservacao topologica dos dados, tornam o algoritmoSOM apropriado como ferramenta de mineracao de dados.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Exemplo de SOM
Arranjo de neuroniosbidimensional
Camada de entrada (em R3)
Conjunto deligacoes sinapticas
Figura: Exemplo de SOMManoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo
O algoritmo responsavel pelo aprendizado do SOMcomeca inicializando os pesos sinapticos dos neuroniosdo arranjo.
Apos a inicializacao dos neuronios, os dados do conjuntode treinamento sao apresentados repetidas vezes e emordens diversas, com um numero de iteracoespredeterminado ou ate que nao ocorram mudancassignificativas no mapa.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo
O algoritmo responsavel pelo aprendizado do SOMcomeca inicializando os pesos sinapticos dos neuroniosdo arranjo.
Apos a inicializacao dos neuronios, os dados do conjuntode treinamento sao apresentados repetidas vezes e emordens diversas, com um numero de iteracoespredeterminado ou ate que nao ocorram mudancassignificativas no mapa.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo
Para a formacao de um Mapa Auto-Organizavel, ha tresprocessos principais, que sao:
Competicao: Para cada dado apresentado, os neuronioscompetem entre si pelo direito de representar o dado,sendo que apenas um e o vencedor;Cooperacao: O neuronio vencedor determina a localizacaoespacial de sua vizinhanca, de acordo com alguma regra;Adaptacao sinaptica: Os neuronios da vizinhanca saohabilitados a alterarem os seus pesos sinapticos na direcaodo dado, de acordo com alguma regra pre-estabelecida.
A seguir, ha uma descricao mais detalhada dessesprocessos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo
Para a formacao de um Mapa Auto-Organizavel, ha tresprocessos principais, que sao:
Competicao: Para cada dado apresentado, os neuronioscompetem entre si pelo direito de representar o dado,sendo que apenas um e o vencedor;Cooperacao: O neuronio vencedor determina a localizacaoespacial de sua vizinhanca, de acordo com alguma regra;Adaptacao sinaptica: Os neuronios da vizinhanca saohabilitados a alterarem os seus pesos sinapticos na direcaodo dado, de acordo com alguma regra pre-estabelecida.
A seguir, ha uma descricao mais detalhada dessesprocessos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo
Para a formacao de um Mapa Auto-Organizavel, ha tresprocessos principais, que sao:
Competicao: Para cada dado apresentado, os neuronioscompetem entre si pelo direito de representar o dado,sendo que apenas um e o vencedor;Cooperacao: O neuronio vencedor determina a localizacaoespacial de sua vizinhanca, de acordo com alguma regra;Adaptacao sinaptica: Os neuronios da vizinhanca saohabilitados a alterarem os seus pesos sinapticos na direcaodo dado, de acordo com alguma regra pre-estabelecida.
A seguir, ha uma descricao mais detalhada dessesprocessos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo
Para a formacao de um Mapa Auto-Organizavel, ha tresprocessos principais, que sao:
Competicao: Para cada dado apresentado, os neuronioscompetem entre si pelo direito de representar o dado,sendo que apenas um e o vencedor;Cooperacao: O neuronio vencedor determina a localizacaoespacial de sua vizinhanca, de acordo com alguma regra;Adaptacao sinaptica: Os neuronios da vizinhanca saohabilitados a alterarem os seus pesos sinapticos na direcaodo dado, de acordo com alguma regra pre-estabelecida.
A seguir, ha uma descricao mais detalhada dessesprocessos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo
Para a formacao de um Mapa Auto-Organizavel, ha tresprocessos principais, que sao:
Competicao: Para cada dado apresentado, os neuronioscompetem entre si pelo direito de representar o dado,sendo que apenas um e o vencedor;Cooperacao: O neuronio vencedor determina a localizacaoespacial de sua vizinhanca, de acordo com alguma regra;Adaptacao sinaptica: Os neuronios da vizinhanca saohabilitados a alterarem os seus pesos sinapticos na direcaodo dado, de acordo com alguma regra pre-estabelecida.
A seguir, ha uma descricao mais detalhada dessesprocessos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo competitivo
Seja m a dimensao do espaco de entrada. Cada padrao edenotado da seguinte forma:
x = [x1, x2, . . . , xm]T
Os vetores de pesos sinapticos de cada neuronio, comdimensao igual ao do espaco de entrada, sao denotadosda seguinte maneira:
wj = [wj1, wj2, . . . , wjm]T , j = 1, 2, . . . , l
Onde l e o numero de neuronios.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo competitivo
Seja m a dimensao do espaco de entrada. Cada padrao edenotado da seguinte forma:
x = [x1, x2, . . . , xm]T
Os vetores de pesos sinapticos de cada neuronio, comdimensao igual ao do espaco de entrada, sao denotadosda seguinte maneira:
wj = [wj1, wj2, . . . , wjm]T , j = 1, 2, . . . , l
Onde l e o numero de neuronios.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo competitivo
O neuronio vencedor e aquele que possui a menordistancia em relacao ao dado x. Dessa forma, o neuroniovencedor i(x) e determinado pela seguinte condicao:
i(x) = arg minj‖x− wj‖ , j = 1, 2, . . . , l
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo cooperativo
O neuronio vencedor deve determinar a localizacaoespacial da sua vizinhanca, segundo alguma regra.
Uma escolha tıpica de funcao de vizinhanca e a quesegue:
hj,i(x)(n) = exp
(−
d2j,i
2σ2(n)
), n = 0, 1, 2, . . .
Onde:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo cooperativo
O neuronio vencedor deve determinar a localizacaoespacial da sua vizinhanca, segundo alguma regra.
Uma escolha tıpica de funcao de vizinhanca e a quesegue:
hj,i(x)(n) = exp
(−
d2j,i
2σ2(n)
), n = 0, 1, 2, . . .
Onde:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo cooperativo
n representa o tempo discreto de execucao do algoritmo;
dj,i = ‖rj − ri‖, e distancia entre os neuronios no arranjo;
σ(n) representa a largura da funcao de vizinhanca e quemuda com o passar do tempo, de acordo com a seguintefuncao:
σ(n) = σ0 exp(− n
τ1
), n = 0, 1, 2, . . .
Onde σ0 e o valor de σ no inıcio do algoritmo e τ1 e umaconstante temporal.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo cooperativo
n representa o tempo discreto de execucao do algoritmo;
dj,i = ‖rj − ri‖, e distancia entre os neuronios no arranjo;
σ(n) representa a largura da funcao de vizinhanca e quemuda com o passar do tempo, de acordo com a seguintefuncao:
σ(n) = σ0 exp(− n
τ1
), n = 0, 1, 2, . . .
Onde σ0 e o valor de σ no inıcio do algoritmo e τ1 e umaconstante temporal.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo cooperativo
n representa o tempo discreto de execucao do algoritmo;
dj,i = ‖rj − ri‖, e distancia entre os neuronios no arranjo;
σ(n) representa a largura da funcao de vizinhanca e quemuda com o passar do tempo, de acordo com a seguintefuncao:
σ(n) = σ0 exp(− n
τ1
), n = 0, 1, 2, . . .
Onde σ0 e o valor de σ no inıcio do algoritmo e τ1 e umaconstante temporal.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Grafico da funcao de vizinhanca
Figura: Grafico da funcao de vizinhanca
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo adaptativo
Nesse processo, os neuronios excitados tem seus pesossinapticos alterados em direcao ao dado de entrada x.
A equacao para a atualizacao dos pesos sinapticos doj-esimo neuronio e a que segue:
wj(n+1) = wj(n)+η(n)hj,i(x)(n) [x− wj(n)] , j = 1, 2, . . . , l
Onde:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo adaptativo
Nesse processo, os neuronios excitados tem seus pesossinapticos alterados em direcao ao dado de entrada x.
A equacao para a atualizacao dos pesos sinapticos doj-esimo neuronio e a que segue:
wj(n+1) = wj(n)+η(n)hj,i(x)(n) [x− wj(n)] , j = 1, 2, . . . , l
Onde:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Processo adaptativo
η(n) e a taxa de aprendizado e que varia com o tempo deacordo com a seguinte funcao:
η(n) = η0 exp(− n
τ2
), n = 0, 1, 2, . . .
Onde η0 e o valor de η no inıcio do algoritmo e τ2 e outraconstante temporal.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Resumo do algoritmo
As partes integrantes do algoritmo SOM sao:Um espaco contınuo de padroes de entrada;Um arranjo de neuronios;Uma funcao de vizinhanca;Um parametro de aprendizado.
O resumo do algoritmo, portanto, e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Resumo do algoritmo
As partes integrantes do algoritmo SOM sao:Um espaco contınuo de padroes de entrada;Um arranjo de neuronios;Uma funcao de vizinhanca;Um parametro de aprendizado.
O resumo do algoritmo, portanto, e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Resumo do algoritmo
As partes integrantes do algoritmo SOM sao:Um espaco contınuo de padroes de entrada;Um arranjo de neuronios;Uma funcao de vizinhanca;Um parametro de aprendizado.
O resumo do algoritmo, portanto, e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Resumo do algoritmo
As partes integrantes do algoritmo SOM sao:Um espaco contınuo de padroes de entrada;Um arranjo de neuronios;Uma funcao de vizinhanca;Um parametro de aprendizado.
O resumo do algoritmo, portanto, e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Resumo do algoritmo
As partes integrantes do algoritmo SOM sao:Um espaco contınuo de padroes de entrada;Um arranjo de neuronios;Uma funcao de vizinhanca;Um parametro de aprendizado.
O resumo do algoritmo, portanto, e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Resumo do algoritmo
As partes integrantes do algoritmo SOM sao:Um espaco contınuo de padroes de entrada;Um arranjo de neuronios;Uma funcao de vizinhanca;Um parametro de aprendizado.
O resumo do algoritmo, portanto, e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo incremental
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo incremental
Esta versao do algoritmo e conhecida como incremental,no qual os pesos sinapticos sao atualizados para cadadado apresentado.
Em outra versao, os pesos sinapticos sao atualizadosapenas ao final de uma epoca de treinamento. Ela econhecida como em lote.
O algoritmo em lote e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo incremental
Esta versao do algoritmo e conhecida como incremental,no qual os pesos sinapticos sao atualizados para cadadado apresentado.
Em outra versao, os pesos sinapticos sao atualizadosapenas ao final de uma epoca de treinamento. Ela econhecida como em lote.
O algoritmo em lote e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo incremental
Esta versao do algoritmo e conhecida como incremental,no qual os pesos sinapticos sao atualizados para cadadado apresentado.
Em outra versao, os pesos sinapticos sao atualizadosapenas ao final de uma epoca de treinamento. Ela econhecida como em lote.
O algoritmo em lote e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo em lote
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Interpretacao do mapa produzido pelo SOM
Apos a fomacao do mapa produzido pelo algoritmo SOM,o resultado e um conjunto de neuronios, cuja topologia edeterminada pelas relacoes metricas entre os neuroniosvizinhos no arranjo.
Contudo, para que se consiga interpretar o conteudo domapa, e necessario a utilizacao de algum metodo devisualizacao.
A seguir, dois desses metodos sao descritos: a Matriz-U eo Mapa Contextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Interpretacao do mapa produzido pelo SOM
Apos a fomacao do mapa produzido pelo algoritmo SOM,o resultado e um conjunto de neuronios, cuja topologia edeterminada pelas relacoes metricas entre os neuroniosvizinhos no arranjo.
Contudo, para que se consiga interpretar o conteudo domapa, e necessario a utilizacao de algum metodo devisualizacao.
A seguir, dois desses metodos sao descritos: a Matriz-U eo Mapa Contextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Interpretacao do mapa produzido pelo SOM
Apos a fomacao do mapa produzido pelo algoritmo SOM,o resultado e um conjunto de neuronios, cuja topologia edeterminada pelas relacoes metricas entre os neuroniosvizinhos no arranjo.
Contudo, para que se consiga interpretar o conteudo domapa, e necessario a utilizacao de algum metodo devisualizacao.
A seguir, dois desses metodos sao descritos: a Matriz-U eo Mapa Contextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Matriz-U
A matriz de distancias unificada e uma matriz compostapelas distancias entre os neuronios vizinhos no arranjo.
Para o calculo das distancias, e necessario estabeleceralguma regra para a vizinhanca.
Duas formas de vizinhanca utilizadas sao: retangular ehexagonal.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Matriz-U
A matriz de distancias unificada e uma matriz compostapelas distancias entre os neuronios vizinhos no arranjo.
Para o calculo das distancias, e necessario estabeleceralguma regra para a vizinhanca.
Duas formas de vizinhanca utilizadas sao: retangular ehexagonal.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Matriz-U
A matriz de distancias unificada e uma matriz compostapelas distancias entre os neuronios vizinhos no arranjo.
Para o calculo das distancias, e necessario estabeleceralguma regra para a vizinhanca.
Duas formas de vizinhanca utilizadas sao: retangular ehexagonal.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Exemplos de Matriz-U
Figura: Exemplos de Matriz-U (com vizinhanca retangular ehexagonal)
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Contextuais
O Mapa Contextual consiste em um mapa onde osneuronios sao “rotulados” com valores de dados doespaco de entrada que eles melhor representam.
No Mapa Contextual, os neuronios sao rotulados de talforma que o arranjo seja particionado em regioescoerentes.
A seguir, o algoritmo para a formacao de um MapaContextual e um exemplo deste metodo.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Contextuais
O Mapa Contextual consiste em um mapa onde osneuronios sao “rotulados” com valores de dados doespaco de entrada que eles melhor representam.
No Mapa Contextual, os neuronios sao rotulados de talforma que o arranjo seja particionado em regioescoerentes.
A seguir, o algoritmo para a formacao de um MapaContextual e um exemplo deste metodo.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Mapas Contextuais
O Mapa Contextual consiste em um mapa onde osneuronios sao “rotulados” com valores de dados doespaco de entrada que eles melhor representam.
No Mapa Contextual, os neuronios sao rotulados de talforma que o arranjo seja particionado em regioescoerentes.
A seguir, o algoritmo para a formacao de um MapaContextual e um exemplo deste metodo.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Algoritmo para a formacao de um Mapa Contextual
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoAlgoritmoResumo do algoritmoInterpretacao do mapa produzido pelo SOM
Exemplo de Mapa Contextual
cachorro
cachorro cachorro
cachorro raposa
raposa
raposa
raposa
raposa
raposa
gato
gato
lobo lobo lobo raposa gato tigre
lobo lobo leao leao leao tigre
lobo lobo leao leao leao tigre
lobo lobo leao leao leao coruja
cavalo cavalo leao leao leao pombo galinha galinha pombo pombo
pombo
falcao
falcao
coruja
aguia
aguia
pombo
falcao
falcao
coruja
aguia
aguia
falcao
tigre
tigre
tigre
gato
gato
pombo
tigre
tigre
tigre
gato
gato
cavalo cavalo zebra vaca vaca vaca galinha galinha pombo pombo
zebra zebra zebra vaca vaca vaca galinha galinha pato ganso
zebra zebra zebra vaca vaca vaca pato pato pato ganso
Figura: Exemplo de Mapa Contextual
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentacao de perfis
Em muitos domınios, o conhecimento a respeito dos perfiscom os quais esses domınios atuam e de fundamentalimportancia.A analise dos perfis, em muitos casos nao e trivial.Quando ha um conhecimento previo sobre o domınioabordado, podem ser utilizadas tecnicas que empregamaprendizagem de maquina supervisionada. Por outro lado,quando ha pouco ou nenhum conhecimento, e necessarioempregar tecnicas de agrupamento de perfis de formanao-supervisionada.A Rede Neural SOM de Kohonen e uma das tecnicasnao-supervisionadas mais utilizadas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentacao de perfis
Em muitos domınios, o conhecimento a respeito dos perfiscom os quais esses domınios atuam e de fundamentalimportancia.A analise dos perfis, em muitos casos nao e trivial.Quando ha um conhecimento previo sobre o domınioabordado, podem ser utilizadas tecnicas que empregamaprendizagem de maquina supervisionada. Por outro lado,quando ha pouco ou nenhum conhecimento, e necessarioempregar tecnicas de agrupamento de perfis de formanao-supervisionada.A Rede Neural SOM de Kohonen e uma das tecnicasnao-supervisionadas mais utilizadas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentacao de perfis
Em muitos domınios, o conhecimento a respeito dos perfiscom os quais esses domınios atuam e de fundamentalimportancia.A analise dos perfis, em muitos casos nao e trivial.Quando ha um conhecimento previo sobre o domınioabordado, podem ser utilizadas tecnicas que empregamaprendizagem de maquina supervisionada. Por outro lado,quando ha pouco ou nenhum conhecimento, e necessarioempregar tecnicas de agrupamento de perfis de formanao-supervisionada.A Rede Neural SOM de Kohonen e uma das tecnicasnao-supervisionadas mais utilizadas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentacao de perfis
Em muitos domınios, o conhecimento a respeito dos perfiscom os quais esses domınios atuam e de fundamentalimportancia.A analise dos perfis, em muitos casos nao e trivial.Quando ha um conhecimento previo sobre o domınioabordado, podem ser utilizadas tecnicas que empregamaprendizagem de maquina supervisionada. Por outro lado,quando ha pouco ou nenhum conhecimento, e necessarioempregar tecnicas de agrupamento de perfis de formanao-supervisionada.A Rede Neural SOM de Kohonen e uma das tecnicasnao-supervisionadas mais utilizadas.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentando perfis utilizando o algoritmo SOM
Com a utilizacao do algoritmo SOM, a tarefa de segmentarperfis resume-se nos seguintes passos:
1 Escolha dos perfis de treinamento;2 Codificacao dos atributos;3 Treinamento do SOM;4 Analise do mapa produzido pelo SOM.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentando perfis utilizando o algoritmo SOM
Com a utilizacao do algoritmo SOM, a tarefa de segmentarperfis resume-se nos seguintes passos:
1 Escolha dos perfis de treinamento;2 Codificacao dos atributos;3 Treinamento do SOM;4 Analise do mapa produzido pelo SOM.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentando perfis utilizando o algoritmo SOM
Com a utilizacao do algoritmo SOM, a tarefa de segmentarperfis resume-se nos seguintes passos:
1 Escolha dos perfis de treinamento;2 Codificacao dos atributos;3 Treinamento do SOM;4 Analise do mapa produzido pelo SOM.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentando perfis utilizando o algoritmo SOM
Com a utilizacao do algoritmo SOM, a tarefa de segmentarperfis resume-se nos seguintes passos:
1 Escolha dos perfis de treinamento;2 Codificacao dos atributos;3 Treinamento do SOM;4 Analise do mapa produzido pelo SOM.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Segmentador
O componente Segmentador, escrito na linguagem deprogramacao C++, corresponde a implementacao doalgoritmo SOM.
As classes do componente sao:
Calculos;Dado;Neuronio;Arranjo;SOM;MapaContextual.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Experimentos com o componente Segmentador
Apos o componente Segmentador ter sido implementado,foram feitos alguns experimentos.
A seguir, dois dos experimentos realizados sao descritos:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Experimentos com o componente Segmentador
Apos o componente Segmentador ter sido implementado,foram feitos alguns experimentos.
A seguir, dois dos experimentos realizados sao descritos:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Clientes de um supermercado
Neste experimento, os perfis de clientes de umsupermercado fictıcio foram codificados em 11 atributos.
Dos 11 atributos, 5 representam dados pessoais de cadaperfil e os 6 restantes representam a proporcao do quecada pessoa comprou nos ultimos 6 meses.
Os dados codificados de 20 perfis serviram de entradapara o SOM, de tal forma como segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Clientes de um supermercado
Neste experimento, os perfis de clientes de umsupermercado fictıcio foram codificados em 11 atributos.
Dos 11 atributos, 5 representam dados pessoais de cadaperfil e os 6 restantes representam a proporcao do quecada pessoa comprou nos ultimos 6 meses.
Os dados codificados de 20 perfis serviram de entradapara o SOM, de tal forma como segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Clientes de um supermercado
Neste experimento, os perfis de clientes de umsupermercado fictıcio foram codificados em 11 atributos.
Dos 11 atributos, 5 representam dados pessoais de cadaperfil e os 6 restantes representam a proporcao do quecada pessoa comprou nos ultimos 6 meses.
Os dados codificados de 20 perfis serviram de entradapara o SOM, de tal forma como segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Tabela com os dados dos clientes do supermercado
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Mapa Contextual resultante
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Clientes jovens, com boas condicoes financeiras;
Clientes com baixo nıvel socio-economico;
Clientes integrantes da classe media, do sexo masculino;
Clientes mais velhos;
Clientes jovens.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Clientes jovens, com boas condicoes financeiras;
Clientes com baixo nıvel socio-economico;
Clientes integrantes da classe media, do sexo masculino;
Clientes mais velhos;
Clientes jovens.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Clientes jovens, com boas condicoes financeiras;
Clientes com baixo nıvel socio-economico;
Clientes integrantes da classe media, do sexo masculino;
Clientes mais velhos;
Clientes jovens.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Clientes jovens, com boas condicoes financeiras;
Clientes com baixo nıvel socio-economico;
Clientes integrantes da classe media, do sexo masculino;
Clientes mais velhos;
Clientes jovens.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Clientes jovens, com boas condicoes financeiras;
Clientes com baixo nıvel socio-economico;
Clientes integrantes da classe media, do sexo masculino;
Clientes mais velhos;
Clientes jovens.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Analise epidemiologica
Para este experimento, foi considerada uma pesquisafictıcia em alguns bairros de Maceio, cujo objetivo e saberquais as localidades onde ha maior incidencia dasdoencas dengue, dengue hemorragica e malaria.
Os perfis foram codificados em 6 atributos, onde em 3 hainformacoes pessoais das pessoas e os outros 3 sao paradeterminar qual(is) doenca(s) a pessoa contraiu no ultimoano.
Os dados codificados de 20 perfis serviram de entradapara o SOM, assim como segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Analise epidemiologica
Para este experimento, foi considerada uma pesquisafictıcia em alguns bairros de Maceio, cujo objetivo e saberquais as localidades onde ha maior incidencia dasdoencas dengue, dengue hemorragica e malaria.
Os perfis foram codificados em 6 atributos, onde em 3 hainformacoes pessoais das pessoas e os outros 3 sao paradeterminar qual(is) doenca(s) a pessoa contraiu no ultimoano.
Os dados codificados de 20 perfis serviram de entradapara o SOM, assim como segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Analise epidemiologica
Para este experimento, foi considerada uma pesquisafictıcia em alguns bairros de Maceio, cujo objetivo e saberquais as localidades onde ha maior incidencia dasdoencas dengue, dengue hemorragica e malaria.
Os perfis foram codificados em 6 atributos, onde em 3 hainformacoes pessoais das pessoas e os outros 3 sao paradeterminar qual(is) doenca(s) a pessoa contraiu no ultimoano.
Os dados codificados de 20 perfis serviram de entradapara o SOM, assim como segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Tabela com os dados dos clientes do supermercado
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Treinamento do SOM
Para o treinamento do SOM, os seguintes parametrosforam adotados:
Numero de iterac oes: 20000;Formato do arranjo: quadrado, de tamanho 10x10;Largura inicial do par ametro de vizinhanca σ0: 2, 5;Taxa inicial de aprendizado η0: 0, 1;
O Mapa Contextual do Experimento e o que segue:
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Mapa Contextual resultante
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Pessoas que nao contraıram doenca alguma;
Pessoas que contraıram dengue hemorragica;
Pessoas que contraıram apenas dengue, homens;
Pessoas que contraıram apenas dengue, mulheres;
Pessoas que contraıram apenas dengue, jovens;
Pessoas que contraıram malaria, jovens;
Pessoas que contraıram malaria, adultos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Pessoas que nao contraıram doenca alguma;
Pessoas que contraıram dengue hemorragica;
Pessoas que contraıram apenas dengue, homens;
Pessoas que contraıram apenas dengue, mulheres;
Pessoas que contraıram apenas dengue, jovens;
Pessoas que contraıram malaria, jovens;
Pessoas que contraıram malaria, adultos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Pessoas que nao contraıram doenca alguma;
Pessoas que contraıram dengue hemorragica;
Pessoas que contraıram apenas dengue, homens;
Pessoas que contraıram apenas dengue, mulheres;
Pessoas que contraıram apenas dengue, jovens;
Pessoas que contraıram malaria, jovens;
Pessoas que contraıram malaria, adultos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Pessoas que nao contraıram doenca alguma;
Pessoas que contraıram dengue hemorragica;
Pessoas que contraıram apenas dengue, homens;
Pessoas que contraıram apenas dengue, mulheres;
Pessoas que contraıram apenas dengue, jovens;
Pessoas que contraıram malaria, jovens;
Pessoas que contraıram malaria, adultos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Pessoas que nao contraıram doenca alguma;
Pessoas que contraıram dengue hemorragica;
Pessoas que contraıram apenas dengue, homens;
Pessoas que contraıram apenas dengue, mulheres;
Pessoas que contraıram apenas dengue, jovens;
Pessoas que contraıram malaria, jovens;
Pessoas que contraıram malaria, adultos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Pessoas que nao contraıram doenca alguma;
Pessoas que contraıram dengue hemorragica;
Pessoas que contraıram apenas dengue, homens;
Pessoas que contraıram apenas dengue, mulheres;
Pessoas que contraıram apenas dengue, jovens;
Pessoas que contraıram malaria, jovens;
Pessoas que contraıram malaria, adultos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
IntroducaoSegmentando perfis utilizando o algoritmo SOMSegmentadorExperimentos com o componente Segmentador
Resultados
Apos a analise do Mapa Contextual resultante, e possıvelidentificar os seguintes agrupamentos:
Pessoas que nao contraıram doenca alguma;
Pessoas que contraıram dengue hemorragica;
Pessoas que contraıram apenas dengue, homens;
Pessoas que contraıram apenas dengue, mulheres;
Pessoas que contraıram apenas dengue, jovens;
Pessoas que contraıram malaria, jovens;
Pessoas que contraıram malaria, adultos.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
Neste trabalho, foi realizado um estudo sobre RedesNeurais, como foco nas Redes SOM.
Como estudo de caso, foi desenvolvido um softwaresegmentador de perfis.
O objetivo do presente trabalho e, portanto, fornecer umembasamento teorico para o desenvolvimento de umsistema que implemente o algoritmo SOM.
Nos experimentos realizados com o sistema desenvolvido,constatou-se a sua capacidade de agrupar os diferentesperfis.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
Neste trabalho, foi realizado um estudo sobre RedesNeurais, como foco nas Redes SOM.
Como estudo de caso, foi desenvolvido um softwaresegmentador de perfis.
O objetivo do presente trabalho e, portanto, fornecer umembasamento teorico para o desenvolvimento de umsistema que implemente o algoritmo SOM.
Nos experimentos realizados com o sistema desenvolvido,constatou-se a sua capacidade de agrupar os diferentesperfis.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
Neste trabalho, foi realizado um estudo sobre RedesNeurais, como foco nas Redes SOM.
Como estudo de caso, foi desenvolvido um softwaresegmentador de perfis.
O objetivo do presente trabalho e, portanto, fornecer umembasamento teorico para o desenvolvimento de umsistema que implemente o algoritmo SOM.
Nos experimentos realizados com o sistema desenvolvido,constatou-se a sua capacidade de agrupar os diferentesperfis.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
Neste trabalho, foi realizado um estudo sobre RedesNeurais, como foco nas Redes SOM.
Como estudo de caso, foi desenvolvido um softwaresegmentador de perfis.
O objetivo do presente trabalho e, portanto, fornecer umembasamento teorico para o desenvolvimento de umsistema que implemente o algoritmo SOM.
Nos experimentos realizados com o sistema desenvolvido,constatou-se a sua capacidade de agrupar os diferentesperfis.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
No entanto, em alguns casos, apenas com o uso do MapaContextual nao foi suficiente para uma boa compreensaodos agrupamentos do domınio estudado, evidenciando anecessidade de outros metodos de visualizacao do mapaproduzido pelo SOM;
Outro ponto a considerar e com relacao ao tempo deexecucao, fazendo levar em consideracao a pesquisa poralgoritmos que implementem o SOM de forma otimizada.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
No entanto, em alguns casos, apenas com o uso do MapaContextual nao foi suficiente para uma boa compreensaodos agrupamentos do domınio estudado, evidenciando anecessidade de outros metodos de visualizacao do mapaproduzido pelo SOM;
Outro ponto a considerar e com relacao ao tempo deexecucao, fazendo levar em consideracao a pesquisa poralgoritmos que implementem o SOM de forma otimizada.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
Alem disso, pode vir a ser considerada a paralelizacao doalgoritmo, com a utilizacao dos algoritmos e estruturas dedados apropriadas.
Como trabalho futuro, alem dos supramencionados,podera ser considerada a utilizacao de algum metododerivado do SOM tradicional.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Conclusao
Alem disso, pode vir a ser considerada a paralelizacao doalgoritmo, com a utilizacao dos algoritmos e estruturas dedados apropriadas.
Como trabalho futuro, alem dos supramencionados,podera ser considerada a utilizacao de algum metododerivado do SOM tradicional.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Referencias I
Haykin, S. (1999), Neural Networks - A ComprehensiveFoundation, 2 ed., Prentice-Hall, New Jersey, USA.
Kohonen, T. (2006), ‘Self-organizing neural projections’, NeuralNetworks 19, 723–733.
Lingras, P., Hogo, M., Snorek, M. & West, C. (2005), ‘Temporalanalysis of clusters of supermarket customers: conventionalversus interval set approach’, Information Sciences172, 215–240.
Luger, G. F. (2004), Inteligencia Artificial - Estruturas eEstrategias para a Solucao de Problemas Complexos, 4 ed.,Bookman, Porto Alegre, RS.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Referencias II
Malone, J., McGarry, K., Wermter, S. & Bowerman, C. (2005),‘Data mining using rule extraction from kohonenself-organising maps’, Neural Computing & Applications15, 9–17.
Russell, S. & Norvig, P. (2004), Inteligencia Artificial, 2 ed.,Elsevier, Rio de Janeiro.
Stroustrup, B. (2000), A Linguagem de Programacao C++, 3ed., Bookman, Porto Alegre.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
ResumoIntroducao
Redes NeuraisMapas Auto-Organizaveis
Segmentacao de perfisConclusao
Referencias
Referencias III
Zuchini, M. H. (2003), Aplicacoes de mapas auto-organizaveisem mineracao de dados e recuperacao de informacao,(dissertacao de mestrado), Faculdade de EngenhariaEletrica e de Computacao (FEEC - UNICAMP), Campinas,SP.
Manoel Jorge Ribeiro Neto Desenvolvimento de Rede Neural SOM
top related