Buscar
Minha Conta

Atendimento(21) 2262-3111 / (21) 2262-3111

Redes Neurais Artificiais Para Engenharia e Ciências Aplicadas – Curso Prático

O que são redes neurais artificiais? Para que servem? Por que usar redes neurais artificiais? Quais são as suas potencialidades de aplicações práticas? Quais tipos de problemas podem solucionar?

APRESENTAÇÃO

A partir da consideração de tais questionamentos, o livro foi então redigido com a preocupação primeira de atender aos diferentes perfis de leitores, que estejam interessados tanto na aquisição de conhecimentos sobre arquiteturas de redes neurais artificiais e suas potencialidades, como aqueles que estejam mais motivados pelas suas possibilidades de aplicação em problemas do mundo real.

VITRINE Os TOP de vendas !!

+-

Quem viu este produto , comprou

Quem viu este produto , também se interessou

  • Descrição
    Redes Neurais Artificiais Para Engenharia e Ciências Aplicadas – Curso Prático

    O que são redes neurais artificiais? Para que servem? Por que usar redes neurais artificiais? Quais são as suas potencialidades de aplicações práticas? Quais tipos de problemas podem solucionar?

    APRESENTAÇÃO

    A partir da consideração de tais questionamentos, o livro foi então redigido com a preocupação primeira de atender aos diferentes perfis de leitores, que estejam interessados tanto na aquisição de conhecimentos sobre arquiteturas de redes neurais artificiais e suas potencialidades, como aqueles que estejam mais motivados pelas suas possibilidades de aplicação em problemas do mundo real.
    A sua audiência com caráter multidisciplinar, conforme poderá ser atestada nos diversos exercícios e exemplos aqui tratados, estende-se para várias áreas do conhecimento, tais como engenharias, ciências de computação, matemática, física, economia, finanças, estatística e neurociências. Adicionalmente, espera-se ainda que o livro possa ser também interessante para diversas outras áreas, cujas aplicações têm sido também foco de redes neurais artificiais, como em medicina, psicologia, química, farmácia, biologia, ecologia, geologia, etc.
    Para tais propósitos, as principais características diferenciais do livro estão nos seguintes aspectos:


    Contemplação de mais de 200 ilustrações, ricamente detalhadas, que auxiliam na compreensão dos fundamentos teóricos associados com as redes neurais artificiais, agregando-se ainda mais de 150 indicações bibliográficas atualizadas.

    Compilação de mais de 100 exercícios de fixação que estimulam o raciocínio e o entendimento frente aos temas abordados no decorrer de cada assunto.

    Exploração de diversos projetos práticos que exercitam a criatividade e que mostram como empregar as redes neurais artificiais em diferentes contextos aplicativos.

    Apresentação detalhada (passo a passo) de todos os algoritmos que são utilizados, tanto para as fases de treinamento das arquiteturas neurais como para as fases de operação (produção).
    Disponibilização de uma infinidade de materiais (via internet) que auxiliam no aprendizado e na divulgação dos conceitos envolvidos com as redes neurais artificiais.
    Em suma, buscou-se cuidadosamente redigir todo o texto usando uma linguagem acessível, com formato didático diferenciado, o qual pudesse ser apreciado por profissionais, estudantes e pesquisadores que estão motivados pelos assuntos envolvidos com as redes neurais artificiais.
  • Sobre o Autor
  • Especificação

    Características

    Tipo de LivroLivro Físico

    Especificações

    Sobre o AutorIvan Nunes da Silva
    O professor Ivan Nunes da Silva graduou-se no Bacharelado em Ciência da Computação (1991) e em Engenharia Elétrica (1992), ambos pela Universidade Federal de Uberlândia (UFU), sendo bolsista do CNPq durante a graduação. Obteve o título de Mestre em Engenharia Elétrica em 1995 com o trabalho Estimação Paramétrica Robusta Através de Redes Neurais Artificiais, pela Universidade Estadual de Campinas, UNICAMP. Em 1997 defendeu o Doutorado em Engenharia Elétrica com o trabalho Uma Abordagem Neuro-Nebulosa Para a Otimização de Sistemas e Identificação Robusta, também pela UNICAMP, sendo bolsista pela FAPESP. Em 2003 obteve a Livre Docência em Engenharia Elétrica pela Faculdade de Engenharia de Bauru, UNESP, com o trabalho Sistemas Inteligentes Aplicados em Despacho de Potência e Transformadores. Desde 2004 tem feito parte do quadro de professores do Departamento de Engenharia Elétrica da Escola de Engenharia de São Carlos, USP, onde ministra disciplinas na graduação e pós-graduação e realiza pesquisas na área de Sistemas Inteligentes aplicados à Engenharia, sendo também fundador e coordenador do Laboratório de Automação Inteligente de Processos e Sistemas (LAIPS). É bolsista Produtividade em Pesquisa pelo CNPq desde o ano 2000. Tem publicado mais de duas centenas de artigos científicos/técnicos distribuídos em periódicos e eventos nacionais/internacionais, assim como a publicação de capítulos de livros. Recebeu diversas premiações e honrarias de instituições nacionais e internacionais. É assessor científico da FAPESP, CNPq, Mackenzie, UEL, UFPE, etc. É editor associado da Revista Controle & Automação e coordenador da área de Sistemas Inteligentes da Sociedade Brasileira de Automática (SBA). Tem participado de diversos eventos nacionais e internacionais, sendo também revisor de importantes revistas científicas (IEEE Transactions on Neural Networks; IEEE Transactions on Systems, Man and Cybernetics; IEE Proceedings; International Journal of Knowledge and Information Systems; Journal of Flanklin Institute; Applied Soft Computing; Physics Letters; International Journal of Electrical Power & Energy Systems; International Journal of Energy Technology and Policy, IET Electric Power Applications, Applied Mathematical Modelling, International Journal on Intelligent Automation and Soft Computing, International Journal on Computational Intelligence and Applications, etc).

    Danilo Hernane Spatti
    Fez mestrado (2007) e doutorado pela Universidade de São Paulo (USP), ambos em temas correlacionados aos sistemas inteligentes. Graduou-se em Engenharia Elétrica (2005) com enfase em Informatica Industrial, pela Universidade Estadual Paulista (UNESP). Publicou dezenas de artigos em fóruns técnicos científicos nacionais e internacionais. Atua como desenvolvedor de abordagens baseadas em arquiteturas inteligentes em temas relacionados com tecnologia da informação . Fez doutorado 2007 pela Universidade de São Paulo em temas associados com aplicações de sistemas inteligentes em temas relacionados a tecnologia da informação, protocolo computacionais, sistemas de apoio a decisão, automação inteligente de processos e otimização de sistemas.

    Rogério Andrade Flauzino
    Possui graduação em Engenharia Elétrica pela Universidade Estadual Paulista Júlio de Mesquita Filho UNESP (2001), mestrado em Engenharia Industrial pela Universidade Estadual Paulista Júlio de Mesquita Filho UNESP (2004) e doutorado em Engenharia Elétrica pela Universidade de São Paulo (2007) USP. Tem experiência na área de Engenharia Elétrica, com ênfase em Sistemas Elétricos de Potência, atuando principalmente nos seguintes temas: sistemas de distribuição e transmissão de energia elétrica, redes neurais artificiais, sistemas de inferência nebulosa, identificação de sistemas, otimização de sistemas e modelagem de sistemas elétricos.
    Informações TécnicasSumário

    ÍNDICE

    Prefácio, 13
    Organização, 15
    Agradecimentos, 17

    Parte I - Arquiteturas de redes neurais artificiais e seus aspectos teóricos, 19

    Capítulo 1 - Introdução, 21
    1.1 - Conceitos iniciais, 24
    1.1.1 - Características principais, 24
    1.1.2 - Resumo histórico, 25
    1.1.3 - Potenciais áreas de aplicações, 27
    1.2 - Neurônio biológico, 29
    1.3 - Neurônio artificial, 33
    1.3.1 - Funções de ativação parcialmente diferenciáveis, 36
    1.3.2 - Funções de ativação totalmente diferenciáveis, 38
    1.4 - Parâmetros de desempenho, 42
    1.5 - Exercícios, 43

    Capítulo 2 - Arquiteturas de redes neurais artificiais e processos de treinamento, 45
    2.1 - Introdução, 45
    2.2 - Principais arquiteturas de redes neurais artificiais, 46
    2.2.1 - Arquitetura feedforward de camada simples, 46
    2.2.2 - Arquitetura feedforward de camadas múltiplas, 47
    2.2.3 - Arquitetura recorrente ou realimentada, 49
    2.2.4 - Arquitetura em estrutura reticulada, 50
    2.3 - Processos de treinamento e aspectos de aprendizado, 50
    2.3.1 - Treinamento supervisionado, 51
    2.3.2 - Treinamento não-supervisionado, 52
    2.3.3 - Treinamento com reforço, 53
    2.3.4 - Aprendizagem usando lote de padrões (off-line), 53
    2.3.5 - Aprendizagem usando padrão-por-padrão (on-line), 54
    2.4 - Exercícios, 54

    Capítulo 3 - Rede Perceptron, 57
    3.1 - Introdução, 57
    3.2 - Princípio de funcionamento do Perceptron, 59
    3.3 - Análise matemática do Perceptron, 61
    3.4 - Processo de treinamento do Perceptron, 63
    3.5 - Exercícios, 68
    3.6 - Projeto prático, 70

    Capítulo 4 - Rede Adaline e regra Delta, 73
    4.1 - Introdução, 73
    4.2 - Princípio de funcionamento do Adaline, 74
    4.3 - Processo de treinamento do Adaline, 76
    4.4 - Comparação entre o processo de treinamento do Adaline e Perceptron, 83
    4.5 - Exercícios, 86
    4.6 - Projeto prático, 87

    Capítulo 5 - Redes Perceptron multicamadas, 91
    5.1 - Introdução, 91
    5.2 - Princípio de funcionamento do Perceptron multicamadas, 92
    5.3 - Processo de treinamento do Perceptron multicamadas, 94
    5.3. - Derivação do algoritmo backpropagation, 95
    5.3.2 - Implementação do algoritmo backpropagation, 108
    5.3.3 - Versões aperfeiçoadas do algoritmo backpropagation, 111
    5.4 - Aplicabilidade das redes Perceptron multicamadas, 120
    5.4.1 - Problemas envolvendo classificação de padrões, 121
    5.4.2 - Problemas envolvendo aproximação funcional, 132
    5.4.3 - Problemas envolvendo sistemas variantes no tempo, 137
    5.5 - Aspectos de especificação topológica de redes PMC, 146
    5.5.1 - Aspectos de métodos de validação cruzada, 147
    5.5.2 - Aspectos de subconjuntos de treinamento e teste, 151
    5.5.3 - Aspectos de situações de overfitting e underfitting, 153
    5.5.4 - Aspectos de inclusão de parada antecipada, 155
    5.5.5 - Aspectos de convergência para mínimos locais, 157
    5.6 - Aspectos de implementação de redes Perceptron multicamadas, 158
    5.7 - Exercícios, 163
    5.8 - Projeto prático 1 (aproximação de funções), 164
    5.9 - Projeto prático 2 (classificação de padrões), 166
    5.10 - Projeto prático 3 (sistemas variantes no tempo), 169

    Capítulo 6 - Redes de funções de base radial (RBF), 173
    6.1 - Introdução - 173
    6.2 - Processo de treinamento de redes RBF - 174
    6.2.1 - Ajuste dos neurônios da camada intermediária (estágio I), 174
    6.2.2 - Ajuste dos neurônios da camada de saída (estágio II), 181
    6.3 - Aplicabilidades das redes RBF - 183
    6.4 - Exercícios - 190
    6.5 - Projeto prático 1 (classificação de padrões), 191
    6.6 - Projeto prático 2 (aproximação de funções), 194

    Capítulo 7 - Redes recorrentes de Hopfield, 199
    7.1 - Introdução, 199
    7.2 - Princípio de funcionamento da rede de Hopfield, 201
    7.3 - Condições de estabilidade da rede de Hopfield, 204
    7.4 - Memórias associativas, 207
    7.4.1 - Método do produto externo, 208
    7.4.2 - Método da matriz pseudo-inversa, 210
    7.4.3 - Capacidade de armazenamento das memórias, 211
    7.5 - Aspectos de projeto de redes de Hopfield, 213
    7.6 - Aspectos de implementação em hardware, 215
    7.7 - Exercícios, 217
    7.8 - Projeto prático, 218

    Capítulo 8 - Redes auto-organizáveis de Kohonen, 221
    8.1 - Introdução, 221
    8.2 - Processo de aprendizado competitivo, 222
    8.3 - Mapas auto-organizáveis de Kohonen (SOM), 229
    8.4 - Exercícios, 237
    8.5 - Projeto prático, 238

    Capítulo 9 - Redes LVQ e counter-propagation, 243
    9.1 - Introdução, 243
    9.2 - Processo de quantização vetorial, 244
    9.3 - Redes LVQ (learning vector quantization), 247
    9.3.1 - Algoritmo de treinamento LVQ-1, 248
    9.3.2 - Algoritmo de treinamento LVQ-2, 252
    9.4 - Redes counter-propagation, 254
    9.4.1 - Aspectos da camada outstar, 256
    9.4.2 - Algoritmo de treinamento da rede counter-propagation, 257
    9.5 - Exercícios, 259
    9.6 - Projeto prático, 260

    Capítulo 10 - Redes ART (adaptive resonance theory), 263
    10.1 - Introdução, 263
    10.2 - Estrutura topológica da rede ART-1, 265
    10.3 - Princípio da ressonância adaptativa, 268
    10.4 - Aspectos de aprendizado da rede ART-1, 269
    10.5 - Algoritmo de treinamento da rede ART-1, 279
    10.6 - Aspectos da versão original da rede ART-1, 281
    10.7 - Exercícios, 284
    10.8 - Projeto prático, 285

    Parte II - Aplicações de redes neurais artificiais em problemas de engenharia e ciências aplicadas, 287

    Capítulo 11 - Estimação da qualidade global de café utilizando o Perceptron multicamadas, 289
    11.1 - Introdução, 289
    11.2 - Características da Rede PMC, 290
    11.3 - Resultados computacionais, 292

    Capítulo 12 - Análise do tráfego de redes de computadores utilizando protocolo SNMP e rede LVQ, 295
    12.1 - Introdução, 295
    12.2 - Características da rede LVQ, 297
    12.3 - Resultados computacionais, 299

    Capítulo 13 - Previsão de tendências do mercado de ações utilizando redes recorrentes, 301
    13.1 - Introdução, 301
    13.2 - Características da rede recorrente, 303
    13.3 - Resultados computacionais, 304

    Capítulo 14 - Sistema para diagnóstico de doenças utilizando redes ART, 309
    14.1 - Introdução, 309
    14.2 - Características da Rede ART, 311
    14.3 - Resultados computacionais, 312

    Capítulo 15 - Identificação de padrões de adulterantes em pó de café usando mapas de Kohonen, 315
    15.1 - Introdução, 315
    15.2 - Características da rede de Kohonen, 316
    15.3 - Resultados computacionais, 319

    Capítulo 16 - Reconhecimento de distúrbios relacionados à qualidade da energia elétrica utilizando redes PMC, 321
    16.1 - Introdução, 321
    16.2 - Características da rede PMC, 325
    16.3 - Resultados computacionais, 326

    Capítulo 17 - Controle de trajetória de robôs móveis usando sistemas fuzzy e redes PMC, 329
    17.1 - Introdução, 329
    17.2 - Características da rede PMC, 331
    17.3 - Resultados computacionais, 334

    Capítulo 18 - Método para classificação de tomates usando visão computacional e redes PMC, 339
    18.1 - Introdução, 339
    18.2 - Características da rede neural, 341
    18.3 - Resultados computacionais, 345

    Capítulo 19 - Análise de desempenho de redes RBF e PMC em classificação de padrões, 347
    19.1 - Introdução, 347
    19.2 - Características das redes RBF e PMC, 348
    19.3 - Resultados computacionais, 349

    Capítulo 20 - Resolução de problemas de otimização com restrições por redes de Hopfield, 355
    20.1 - Introdução, 355
    20.2 - Características da rede de Hopfield, 357
    20.3 - Mapeamento de problemas de otimização pela rede de Hopfield, 359
    20.4 - Resultados computacionais, 364

    Bibliografia, 371
    Apêndice I, 381
    Apêndice II, 382
    Apêndice III, 383
    Apêndice IV, 388
    Apêndice V, 391
    Índice remissivo, 393

    Informações Técnicas

    Nº de páginas:399
    Origem:Nacional
    Editora:Editora Artliber
    Idioma:Português
    Edição:1ª Edição
    Ano:2010
    ISBN:9788588098534
    Encadernação:Brochura
    Autor:Ivan Nunes da Silva , Danilo Hernane Spatti, Rogério Andrade Flauzino,
  • Informações

Avaliação técnica sobre o livro

Não encontrou seu produto? Deixe aqui sua Sugestão para novos produtos!

Enviar sugestão

Políticas

Informações

Atendimento

(21) 2262-3111

(21) 2262-3111

Pague com

Visa, mastercard, Diners, Boleto, American Express , VisaElectron, Discover , Elo , Maestro

Segurança e certificados

© 2015 Livraria Ciência Moderna Ltda - Avenida Rio Branco 156 – subsolo 126 – Centro – RJ – Cep:20040-003 | Cnpj :33.412.271/0001-03 | Inscrição Estadual: 85.853.198 *Os preços e condições de pagamento podem ser exclusivos para compras via internet , o que quer dizer que podem variar das lojas físicas. Vendas Sujeitas á analise e confirmação de dados.
VTEXOriginal Media

Olá! Seja Bem Vindo (a)!

Eu sou o Moderninho , o Mascote da Ciência Moderna Online!
Além de bonito, o novo site tem Minhas Dicas :) #ficaadica

A 1ª Dica é -> Deixe aqui seu contato para receber nossas
NOVIDADES, PROMOÇÕES E CUPONS DE DESCONTOS ;)

Navegue SEM Moderação!