Pular para o conteúdo
Even3

Apresentação de TrabalhoEngenharias

Aplicação de Rede Neural Artificial na classificação de tipos de íris

Gravado no evento XV Encontro Nacional dos Estudantes de Engenharia Elétrica · 16 min de gravação

Trechos em vídeo

Sobre o conteúdo

A apresentação introduz o artigo intitulado "Aplicação de Rede Neural Artificial na classificação de tipos de íris", desenvolvido por integrantes do Programa de Educação Tutorial (PET) de Engenharia Elétrica da Universidade Federal do Pará (UFPA) e divulgado no XV Encontro Nacional dos Estudantes de Engenharia Elétrica. O palestrante contextualiza o papel das redes neurais artificiais como ferramentas de inteligência computacional e aprendizado de máquina, explicando suas modalidades operacionais em aprendizado por reforço, previsão de séries temporais e classificação de padrões supervisionada ou não supervisionada. Estabelece também a correspondência estrutural e funcional entre a célula nervosa biológica e os componentes matemáticos do neurônio artificial, como dendritos, corpo celular (função soma), sinapses (pesos sinápticos) e axônio (função de ativação).

O que é abordado

  1. Abertura e apresentação dos autores
  2. Sumário da apresentação
  3. Conceitos de Redes Neurais e o neurônio biológicoTrecho de 1 min 49 sTrecho de 1 min 48 s
  4. Aplicações e o modelo Multilayer Perceptron
  5. Trabalhos relacionados
  6. Metodologia: base Iris, forward e backpropagation
  7. Resultados e discussões das topologias testadas
  8. Conclusões e considerações finais

Dúvidas que o conteúdo responde

Qual foi a base de dados utilizada no estudo e como ela é estruturada?

Foi utilizada a base de dados Iris, criada por R. A. Fisher em 1936, contendo 150 amostras divididas igualmente (50 para cada) entre as espécies Iris setosa, Iris versicolor e Iris virginica, com quatro atributos de entrada: largura e comprimento de sépalas e pétalas.

Qual foi a divisão dos dados entre treinamento e teste adotada pelos autores?

Os autores adotaram uma partição de 20% das amostras para a fase de treinamento (30 dados) e 80% para a fase de teste (120 dados).

Quais ferramentas de software foram selecionadas para o desenvolvimento da RNA?

Optou-se pela linguagem Python executada na plataforma Google Colab, em virtude de sua licença aberta e ampla aplicação em aprendizado de máquina.

Qual configuração de rede alcançou 100% de acurácia com o menor custo de treinamento?

A topologia composta por apenas 1 neurônio na camada oculta, taxa de aprendizagem de 0,01 e função de ativação tangente hiperbólica alcançou 100% de acurácia em apenas 50 épocas.

Assuntos

  • Redes Neurais Artificiais
  • Multilayer Perceptron
  • Backpropagation
  • Iris Dataset
  • Aprendizado de Máquina
  • Classificação de Padrões
  • Python
  • Inteligência Artificial

Outros conteúdos deste evento

Gravados no evento XV Encontro Nacional dos Estudantes de Engenharia Elétrica

Minicurso · 53 min

LaTeX

Gravado no evento XV Encontro Nacional dos Estudantes de Engenharia Elétrica

O vídeo consiste em um minicurso introdutório sobre o LaTeX, abordando sua história, conceitos fundamentais e vantagens frente a processadores de texto convencionais. A…

Ver resumo e capítulos