07 - Redes Neurais Artificiais - Parte 2 - Computação Inspirada pela Natureza (versão Meet)

- Perceptron de Uma Única Camada
- Separabilidade Linear
- Perceptron Simples para Classificação de Padrões
- Treinamento
- Algoritmo de Treinamento
- Perceptron de Múltiplas Saídas para Classificação de Padrões
- Algoritmo de Treinamento para Perceptron de Múltiplas Saídas
- Um-versus-Resto
- Função Softmax
- Exemplo de Aplicação
- Saída Desejada
- Ciclos (Épocas)
- Pesos Finais
- Exercício
- Generalização
- Adaline
- Perceptron de Múltiplas Camadas
- Histórico
- Algoritmo de Retropagação de Erro
- Variações do Algoritimo de Retropropagação
- Por que Múltiplas Camadas?
- Quantas Camadas Utilizar?
- Dificuldades de Aprendizado
- Overfitting
- Atualização de Pesos
- Atualização de Pesos por Padrão
- Atualização de Pesos por Ciclo
- Atualização de Pesos por Lote (Batch)
- Redes de Função de Base Radial
- Máquinas de Vetor de Suporte
- Mapas Auto-Organizáveis
- Mapa de Kohonen
- Redes Neurais Profundas
- Outras Redes Neurais
- Aplicações de Redes Neurais Artificiais
- RNAs na Indústria
- RNAs no Setor de Serviços
- RNAs na Medicina
- RNAs na Detecção de COVID-19 em Imagens de Radiografia de Tórax
- RNAs na Bioinformática
- RNAs nas Ciências dos Solos
- RNAs no Auxílio à Deficientes Visuais
- Empresas pioneiras no uso de RNAs
- Empresas pioneiras no uso de RNAs no Brasil
- Conclusão
- Bibliografia

Fabricio Breve possui graduação em Ciência da Computação pela Universidade Metodista de Piracicaba (UNIMEP, 2001), mestrado em Ciência da Computação pela Universidade Federal de São Carlos (UFSCar, 2006) e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (USP, 2010) com período sanduíche na University of Alberta (UofA), Canadá. Fez estágio de pós-doutoramento de 2010 a 2011 na Universidade de São Paulo. Em 2018 obteve o título de Livre-Docente em Redes de Computadores. Atualmente é professor associado da Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP). Seus interesses de pesquisa incluem aprendizado de máquina, reconhecimento de padrões, processamento de imagens, redes complexas, redes neurais artificiais e computação inspirada pela natureza.

https://www.fabriciobreve.com/

Bibliografia:

CASTRO, Leandro Nunes. Fundamentals of Natural Computing: Basic Concepts, Algorithms, And Applications. CRC Press, 2006
https://amzn.to/3wj1jAL

CARVALHO, André Ponce de Leon F. de. Notas de Aula, 2007
http://www.icmc.usp.br/~andre/

BROWNLEE, Jason. Clever Algorithms: Nature-Inspired Programming Recipes. Jason Brownlee, 2011.
http://amzn.to/1UxH889

HAYKIN, Simon. Neural Networks and Learning Machines, 3rd Edition. Prentice Hall, 2008.
http://amzn.to/1S35Ef6

KOVACS, Zsolt L. Redes Neurais Artificiais: Fundamentos e Aplicações. Livraria da Física, 2006.
https://amzn.to/3NVSe7A

BISHOP, Christopher M. Pattern Recognition and Machine Learning. Springer, 2007.
http://amzn.to/1MlxJKj