Universidade do Vale do Rio dos Sinos - Centro de Ciências Exatas e Tecnológicas

---

Responsável pela disciplina:

• Prof. Dr. Fernando Santos Osório  - E-mail: osorioexatas.unisinos.br

    Oferecer ao aluno uma introdução à um tema muito estudado atualmente em informática: o aprendizado de máquinas. Serão apresentados nesta disciplina os conceitos básicos desta área da Inteligência Artificial, onde vamos nos concentrar em um tipo de método de aprendizado automático em particular: as redes neurais artificiais. Vários modelos de simulação de redes neurais serão estudados, seguindo-se de uma utilização prática de softwares de simulação para o aprendizado de casos de estudo.

Turma 43 - 2004/2

• Cronograma da disciplina de Redes Neurais
• Resultados das Avaliações: GA - GB - Grau Final
• Material Complementar - Turma 43

Atenção:  A maior parte do material disponibilizado na Internet está em arquivos no formato PDF (Portable Document File) da Adobe.
               Para visualizar os textos você deve ter instalado o Adobe Acrobat Reader ou o seu Plug-In (Netscape, IE, etc).
               O Acrobat Reader é distribuído gratuitamente pela Adobe => Acrobat Reader

Materiais relativos as aulas:

• Introdução: Conceitos de Inteligência, Aprendizado, Sistema Especialista, Aquisição de Conhecimentos e

Aprendizado de Máquina (Machine Learning). - Transparências - Documento
• Machine Learning: Indução de Árvores de Decisão (IDT - Induction of Decision Trees) - Transparências

Software: C4.5 - Quinlan
• Redes Neurais Artificiais: Histórico, Modelos e Aprendizado - Transparências
• Redes Neurais Artificiais: Simulação e uso prático - Transparências
• Redes Neurais Artificiais: Otimizando o Back-Propagation - Transparências

Bibliografia Complementar - Download
• Redes Neurais Artificiais: Modelos de Hopfield, Bam e ART Transparências
• Redes Neurais Artificiais: Modelo de Kohonen (SOM) - Transparências e Material Complementar
• Redes Neurais Artificiais: Modelo RBF - Material Complementar (Download)

Modelo ART (Faq) - Docs.
• Redes Neurais Artificiais: Modelos Recorrentes (Perceptron) Transparências (material antigo)
• Sistemas Inteligentes Híbridos Transparências

Material Complementar I (ENIA) - Material Complementar II (UCS)

• Exercicio Pratico - AULA 02 (04/08/2004)

Material de uso do aluno da unisinos

• Grupo de I.A. do PIPCA/UNISINOS
• Lista eletrônica de discussão: ML-L
• Disciplina de Sistemas Adaptativos (mestrado)
• Softwares usados na disciplina
• Dados usados na disciplina
• Proceedings e Anais On-Line

AVALIAÇÃO:

Grau A:  Prova = 7 pts.   Trabalho/Exercícios práticos = 3 pts.       Grau C: Prova substitui a prova A/B + Trabalho substitui trab. A/B (7 + 3 pts).
Grau B:  Prova = 7 pts.   Trabalho/Exercícios práticos = 3 pts.

Exemplo de Prova:
    Grau A - Dados Complementares I e II
    Grau B

DATAS:

• Prova GA: 29/09
• Entrega do Trabalho do GA: até 03/10
• Prova GB: 17/11
• Entrega do Trabalho do GB: até 24/11

TRABALHOS:

Trabalho Prático(o que fazer) - Grau A
Dados complementares: EEG

Trabalho Prático - Grau B
Dicas: Simulação passo-a-passo (usando planilha Excel)

BIBLIOGRAFIA:

• Arbib, Michael A. (Ed.)

The Handbook of Brain Theory and Neural Networks. MIT Press, 1995.
• Braga, Antônio; Ludermir, Teresa; Carvalho, André

Redes Neurais Artificiais: Teoria e Aplicações. LTC, 2000. 262p.
• Freeman, James A. & Skapura, David M.

Neural Networks: Algorithms, Applications, and Programming Techniques. Addison-Wesley Publishing.
• Haykin, Simon.

Neural Networks: a Comprehensive Foundation. 2ed. Prentice-Hall, 1999.
(Edição em Português: Redes Neurais - Princípios e Prática, Bookman, 2001)
• Kovacs, Zsolt Laszlo.

Redes Neurais Artificiais: Fundamentos e Aplicações. 2. ed., São Paulo : Collegium Cognitio, 1997. 174 p. il.
• Tafner, Malcon Anderson; Xerez, Marcos de; Rodrigues Filho, Ilson Wilmar.

Redes Neurais Artificiais: Introdução e Princípios de Neurocomputação. 1.ed., Blumenau : Eko, 1996. 199 p. il.

• Ebergart, R.; Simpson, P. K.; Dobbins, R.

Computational intelligence PC tools. Reading: Academic Press Professional, 1990. 464p.
• Osorio, Fernando Santos.

Simulação de Redes Artificiais de Neurônios com Aprendizado Supervisionado.
Scientia (Unisinos), São Leopoldo, V.3, (1):45-66, Jan/Jun 1992.
• Mitchell, Tom M.

Machine learning. New York: McGraw-Hill. Series in Computer Science, 1997. 414p.
• Rezende, Solange (Ed).

Sistemas Inteligentes: Fundamentos e Aplicações. Editora Manole, 2003.
• Nikolopoulos, Chris.

Expert systems: introduction to first and second generation and hybrid knowlegde-based systems. New York: Marcel Dekker Press, 1997. 327p.
• Rumelhart, D.; Hinton, G & Williams, R.

Learning Internal Representations by Error Propagation. In: Parallel Distributed Processing: Explorations in the Microstructure of Cognition - Vol. 1. Cambridge: MIT Press, 1986.

• Fahlman, Scott E. An Empirical Study of Learning Speed in Back-Propagation Networks. Carnegie Mellon University - CMU. Computer Science Technical Report CMU-CS-88-162. September 1988. Web: http://www.cs.cmu.edu/Reports/index.html
• Fiesler, Emile. Comparative Bibliography of Ontogenic Neural Net-works. Proceedings of the International Conference on Artificial Neural Nets - ICANN'94. Sorrento, Italy, May 1994. Web: http://www.idiap.ch/idiap-networks.html . Ftp: ftp://ftp.idiap.ch/pub/papers/neural/fiesler.ontogenic-summary.ps.Z
• Kröse, Ben J. & Patrick van der Smagt. An Introduction to Neural Networks. University of Amsterdam, 1993. Web: http://www.fwi.uva.nl/research/ias/ ou ftp://ftp.wins.uva.nl/pub/computer-systems/aut-sys/reports/neuro-intro/   (CÓPIA LOCAL - AQUI!)
• Schifmann, W.; Joost, M. & Werner, R. Optimization of the Backpropagation Algorithm for Training Multilayer Perceptrons. Technical Report, University of Koblenz, Deutschland. September 1995. Web: http://www.uni-koblenz.de/~schiff/publications.html
• Reconhecimento de caracteres (OCR Neural)
• Curso/Tutorial apresentado no ENIA'99 / SBC'99 - PUC/RJ
• Curso/Tutorial apresentado no I Forum de I.A. 99 - Ulbra/Canoas
• Artificial Intelligence FAQ - http://www.cis.ohio-state.edu/hypertext/faq/usenet/ai-faq/general/top.html
• Neural-Nets FAQ – http://www.cis.ohio-state.edu/hypertext/faq/usenet/ai-faq/neural-nets/top.html
• FAQs de diversas áreas... (Search Tool)

Trabalhos de Conclusão realizados sobre este assunto:

• Antônio Ramos - 1993, Fabíola Jacques - 1993
• Fernando Hartmann – 1996, Laurício Everton Maciel – 1997
• Rafael G. Jeffman (Reconhecimento de voz) - 2002
• João Ricardo Bittencourt (Mages / ANNeF)- 2002
• Milton Heinen (NeuralSignX - Reconhecimento de assinaturas) - 2002
• Antônio Souto (RNA + GA) - 2003
• Flávio Alves (Reconhecimento de Placas de Trânsito) - 2004

Dissertações de Mestrado realizados sobre este assunto:

• Túlio Bender (Recuperação de Imagens Coloridas - CBIR)- 2003
• Adiléa Wagner (RNA e Robótica) - 2003
• Cassiana da Silva (RNA e PLN) - 2004
• Denise Simon (Redes Neurais Recorrentes) - 2004
• Eduardo Battistella (RNA e Bioinformática) - 2004