Академический Документы
Профессиональный Документы
Культура Документы
DCA/FEEC/Unicamp
Reviso Bibliogrfica
Tema.: Redes Neurais Artificiais para Reconhecimento e Classificao de Padres
Nvel.: Mestrado
Uma ateno especial foi dada para o captulo 4, onde o tema principal
deste trabalho foi desenvolvido. Das bibliografias que considerei "base" para o
desenvolvimento do sub-capitulo, fiz a citao no prprio sub-capitulo. Obviamente
todas as demais foram tambm citadas na referncia no final do captulo.
Infelizmente alguns materiais no continham todos os dados para
padronizao da bibliografia, e por isto nota-se ausncia de alguns dados.
Boa leitura
1. Introduo.: Redes Neurais Artificiais para Reconhecimento e
Classificao de Padres
Antes de falar de Reconhecimento e Classificao de Padres
interessante comentar a existncia de vrios tipos de padres, como exemplo:
padres visuais, temporais e lgicos. De forma genrica pode-se afirmar que
encontramos reconhecimento de padres em todas atividades inteligentes. No
existe uma teoria nica de reconhecimento de padres, e por este motivo pode-se
fazer uma distino (Richard O. Duda, 1997) :
- Reconhecimento de padro estatstico ou nebuloso.
- Reconhecimento de padro Estrutural ou Sinttico
- Reconhecimento de Padro baseado no Conhecimento
De forma bastante resumida podemos dizer que associando os padres
conforme a respectiva contribuio pode-se fazer a "classificao de padres".
Perceberemos neste trabalho que a tarefa de reconhecer padres utilizando
redes neurais artificiais no algo trivial como ocorre para seres humanos. Para
um computador faz-se necessrio o uso de algoritmos e frmulas.
comum encontrar as palavras Reconhecimento e Classificao juntas,
pois existe uma forte relao entre as duas, embora possam ser vistas como duas
etapas.
Referncias Bibliogrficas do captulo:
Duda, Richard O., "Pattern Recognition for HCI", artigo, Department of Electrical Engineering,
1996-1997,
http://www-engr.sjsu.edu/~knapp/HCIRODPR/PR_model/PR_model.htm,
Keywords
.:
Classification, Pattern, Recognition Models) - De forma objetiva este artigo faz distino imediata das formas
de "Reconhecimento de Padres" e desenvolve os temas de reconhecimento, classificao, reconhecimento e
classificao de padres durante o artigo. Aparenta ser um artigo bem estruturado e sugere o aprofundamento
da pesquisa. Acesso a este material.: 11/04/2003
2. Classificao de Padres
A funo principal a classificao de padres de entrada em categorias ou
classes.
Uma rede neural pode receber uma coleo de padres de entrada com a
categoria qual cada padro particular pertence. Depois, pode-se apresentar um
novo padro ainda desconhecido e apresenta-lo a rede, e a tarefa dela
classificar este novo padro corretamente. Este tipo de classificao pode ser
resolvido por um aprendizado supervisionado. A vantagem de usar uma rede
neural para realizar a classificao de padres que ela pode construir fronteiras
de decises no lineares entre as diferentes classes e oferecer um mtodo prtico
para resolver problemas altamente complexos de classificao de padres. H
tambm uma importante funo para o aprendizado no supervisionado na
classificao de padres, especialmente quando no h um conhecimento a priori
das categorias em que os padres sero classificados.
interessante diferenciar Agrupamento de Classificao: agrupamento o
processo de agrupar amostras de entradas que so vizinhos espaciais enquanto
classificao consiste na rotulao de amostras de entrada atravs de algum
critrio externo (Nievola, 1996)
certo que para que o processo de classificao de padres tenha
sucesso necessrio que exista o mapeamento dos padres de entrada em um
espao de classificao. Este espao definido por regies de deciso que
separam os padres, atribuindo cada padro em uma classe. Na seqencia uma
taxonomia de classificadores, baseada no trabalho de Lippmann (1989),
desenvolvida mostrando os classificadores em quatro grupos baseado na
definio de funes discriminantes que definem as regras de deciso..
Duda, Richard O., "Pattern Recognition for HCI", artigo, Department of Electrical Engineering,
1996-1997,
http://www-engr.sjsu.edu/~knapp/HCIRODPR/PR_model/PR_model.htm,
Keywords
.:
Classification, Pattern, Recognition Models) - De forma objetiva este artigo faz distino imediata das formas
de "Reconhecimento de Padres" e desenvolve os temas de reconhecimento, classificao, reconhecimento e
classificao de padres durante o artigo. Aparenta ser um artigo bem estruturado e sugere o aprofundamento
da pesquisa. Acesso a este material.: 11/04/2003
Lippmann, R. (1989) "Review of neural networks for speech recognition", Neural Computation,
p.1-38. Keyword.: Recognition, Neural Networks. Utilizei este artigo para fazer a taxonomia de
classificadores (itens 1.1., 1.2., 1.3. e 1.4 desta reviso bibliogrfica). Contato com o material.: Superficial
(leitura do resumo da obra)
TODESCO, Jos L. (1995). "Reconhecimento de Padres usando uma rede neuronal artificial com uma
funo de base radial: uma aplicao na classificao de cromossomos humanos". Tese apresentada ao
Programa de Ps-Graduao em Engenharia de Produo da Universidade Federal de Santa Catarina para
obteno do Ttulo de Doutor em Engenharia, Florianpolis, Dezembro de 1995. In.:
http://www.eps.ufsc.br/teses/todesco/capit_3/cap3_tod.htm (Keywords.: Reconhecimento de Padres, Redes
Neurais Artificiais) => Esta tese apresenta uma qualidade alta e Dificuldade para interpretao baixa. Fornece,
entre outros temas abordados, conceitos de classificao de padres e aprofundamento no reconhecimento de
Padres usando RNA com funo de base radial". Acesso a este material.: 18/04/2003
3. Reconhecimento de Padres
Embora para seres humanos o reconhecimento de padres so tarefas que
causam poucas dificuldades, para a moderna tecnologia esta no uma atividade
simples.
O termo "reconhecimento de padres"" surgiu no incio da dcada de 60 e
no principio significava a "deteco de formas simples" . Uma definio
interessante foi em 1973 por Duda e Hart. "Reconhecimento de padres um
campo interessado no reconhecimento por mquinas de regularidades
significativas em ambientes ruidosos ou complexos", ou a procura por uma
estrutura nos dados.
Enquanto alguns padres podem ser identificados como bem estruturados
ou, ao menos, estruturados adequadamente outros dados podem ser de difcil
identificao / classificao. Por este motivo o reconhecimento de padres ,
muitas vezes, chamado de "cincia no exata".
As motivaes que destacam para o estudo nesta rea a necessidade
das pessoas em se comunicarem com mquinas computacionais atravs de
linguagens naturais e o interesse na idia de projetar e construir autmatos
(mquinas inteligentes) que possam realizar certas tarefas com habilidades
comparveis performance humana .
So exemplos de reas que aplicam reconhecimento de padres (KANSO,
1997):
a) comunicao homem-mquina: reconhecimento automtico de fala,
reconhecimento da escrita / (Optical Character Rocognition - OCR), compreenso
de fala, compreenso de imagens, processamento da linguagem natural;
b) defesa: reconhecimento automtico de alvos, orientao e controle;
c) medicina: diagnstico mdico, anlise de imagens, classificao de
doenas;
d) veculos: controladores de automveis, avies, trens, barcos;
e) polcia e investigao: deteco criminal a partir da fala, escrita manual,
impresses digitais, fotografias;
f) estudo e estimativa de recursos naturais: agricultura, extrativismo,
geologia, ambiente;
g) indstria: CAD, CAM, teste e montagem de produtos, controle e
inspeo de qualidade;
h) sistemas domsticos: utenslios inteligentes
TODESCO, Jos L. (1995). "Reconhecimento de Padres usando uma rede neuronal artificial com uma
funo de base radial: uma aplicao na classificao de cromossomos humanos". Tese apresentada ao
Programa de Ps-Graduao em Engenharia de Produo da Universidade Federal de Santa Catarina para
obteno do Ttulo de Doutor em Engenharia, Florianpolis, Dezembro de 1995. In.:
http://www.eps.ufsc.br/teses/todesco/capit_3/cap3_tod.htm (Keywords.: Reconhecimento de Padres, Redes
Neurais Artificiais) => Esta tese apresenta uma qualidade alta e Dificuldade para interpretao baixa. Fornece,
VON ZUBEN, F. J and de Castro, L.N. . "Modelos Pioneiros de Aprendizado", Notas de aula da
disciplina Redes Neurais, Faculdade de Engenharia Eltrica e Engenharia Computao da Unicamp,
Campinas-SP, 2003. => Material didtico empregado durante aulas no curso de Ps-Graduao. Bastante
didtico e funcional. Trabalha bastante no modelo Perceptron.
KOHONEN, T. (2000), Self-Organizing Maps, 3rd Ed., Springer-Verlag. Contato com o material.:
Superficial (leitura do resumo da obra). "Aparentemente" a obra que mais desenvolve e aprofunda
a pesquisa sobre este modelo.
KOHONEN, T. Self-Organization and Associative Memory, 3rd. edition, Springer, 1989 (1st.
edition, 1984). Keywords.: Redes Neurais, SOM, Mapas Auto Organizveis. Este o material "base" para a
pesquisa do modelo de Kohonen. Contato com o material.: Superficial (leitura do resumo da obra)
LIMA, Wagner Silva, de Castro, L.N., OHISHI (1999). "Mapas Auto-Organizveis NoParamtricos para Anlise da Influncia Climtica em curvas de Carga". XV SNPTEE Seminrio Nacional de
Produo e Transmisso de Energia Eltrica, Foz de Iguau-Brasil. Keywords.: Redes Neurais, Mapas de
Kohonen, Previso de Carga. Nesta artigos desenvolvida uma aplicao prtica utilizando Mapas AutoOrganizveis
No-Paramtricos
de
Kohonen.
In.:
http://www.xviisnptee.com.br/acervo_tecnico/memoria/xv/grupoix/gop20.pdf. Acesso a este material.:
25/04/2003
NIEVOLA,
Jlio
C.
"Redes
Competitivas
e
de
Kohonen",
PUC-Pr,
IN.:
http://www.ppgia.pucpr.br/~nievola/DadosWEB/Redes%20Competitivas%20e%20de%20Kohonen.pdf.
Notas de aula, PUC-PR. Keywords.: Redes Neurais, Modelos de Redes, Redes de Kohonen. Explica e explora
o funcionamento da rede de Kohonen. Acesso a este material.: 15/04/2003
uj=wjiyi-j,
i=1, ij
Topologia:
HOPFIELD, J.J. Neural networks and physical systems with emergent collective computational
abilities. Proceedings of the National Academy of Sciences of the U.S.A., vol. 79, pp. 2554-2558, 1982.
Contato com o material.: Superficial (leitura do resumo da obra)
HOPFIELD, J.J. Neurons with graded response have collective computational properties like those
of two-state neurons. Proceedings of the National Academy of Sciences of the U.S.A., vol. 81, pp. 3088-3092,
1984. Contato com o material.: Superficial (leitura do resumo da obra)
VON ZUBEN, F. J and de Castro, L.N. " Neurocomputao, Dinmica No-Linear e Redes
Neurais de Hopfield", Notas de aula da disciplina Redes Neurais, Faculdade de Engenharia Eltrica e
Engenharia Computao da Unicamp, Campinas-SP, 2003. => Material didtico empregado durante aulas no
curso de Ps-Graduao. Fornece conceitos e caractersticas da rede de Hopfield de forma bastante didtica.
ANDRADE
NETTO,
M.
L.,
GONALVES,
M.
L.,
ZULLO
JR,
J.
"A Neural Architecture for the Classification of Remote Sensing Imagery with Advanced Learning
Algorithms" In: VIII Neural Networks for Signal Processing - IEEE Signal Processing Society, 1998,
Cambridge. Proceedings of the VIII Neural Networks for Signal Processing. IEEE, 1998. v.1. p.577 - 585
Referncias adicionais : Inglaterra/Ingls. Meio de divulgao: Impresso (Keywords: Feature extraction; Image
classification; Multilayer perceptrons; Neural net architecture; Remote sensing; Self-organising feature maps;
Unsupervised learning; Neural architecture; Multispectral images; Kohonen self-organizing map; Multilayer
perceptron ; LANDSAT/TM image) => Apresenta arquitetura neural para classificao de padres de
imagens multiespectrais de sensoriamento remoto (RS-remote sensing). Utiliza Mapa de Kohonen e Redes
MLP. Aplicao muito interessante e "rara", porm requer conhecimentos prvios (Dificuldade.: alta).
Duda, Richard O., "Pattern Recognition for HCI", artigo, Department of Electrical Engineering,
1996-1997,
http://www-engr.sjsu.edu/~knapp/HCIRODPR/PR_model/PR_model.htm,
Keywords
.:
Classification, Pattern, Recognition Models) - De forma objetiva este artigo faz distino imediata das formas
de "Reconhecimento de Padres" e desenvolve os temas de reconhecimento, classificao, reconhecimento e
classificao de padres durante o artigo. Aparenta ser um artigo bem estruturado e sugere o aprofundamento
da pesquisa. Acesso a este material.: 11/04/2003
GRACIOLE,
Alex,
MACHADO,
Lisandro
Lemos.
relatrio
tcnico,
http://lci.upf.tche.br/~27915/redesneurais.html, Keywords .: Modelos de RNA, Caractersticas de RNA,
Aplicaes de RNA => um relatrio tcnico, sem aprofundamento no tema e no contem implementaes.
Apenas menciona sobre conceitos, faz citaes de modelos de redes e suas principais funes. Qualidade.:
baixa/Dificuldade.: Nenhuma. Acesso a este material.: 15/04/2003
HOPFIELD, J.J. Neural networks and physical systems with emergent collective computational
abilities. Proceedings of the National Academy of Sciences of the U.S.A., vol. 79, pp. 2554-2558, 1982.
Contato com o material.: Superficial (leitura do resumo da obra)
HOPFIELD, J.J. Neurons with graded response have collective computational properties like those
of two-state neurons. Proceedings of the National Academy of Sciences of the U.S.A., vol. 81, pp. 3088-3092,
1984. Contato com o material.: Superficial (leitura do resumo da obra)
KANSO,
Mustaf
Ali
(1997).
"Redes
Neurais".
Curitiba-PR.
IN.:
http://pessoal.onda.com.br/mustafa/redes.html. Este artigo embora "pequeno" de tamanho, bastante
abrangente e muito bom para um contato inicial com RNAs e Reconhecimento e Classificao de Padres.
Contm vrias citaes de exemplos de aplicaes. Acesso a este material.: 05/04/2003
KOHONEN, T. Self-Organization and Associative Memory, 3rd. edition, Springer, 1989 (1st.
edition, 1984). Keywords.: Redes Neurais, SOM, Mapas Auto Organizveis. Este o material "base" para a
pesquisa do modelo de Kohonen. Contato com o material.: Superficial (leitura do resumo da obra)
LIMA, Wagner Silva, de Castro, L.N., OHISHI (1999). "Mapas Auto-Organizveis NoParamtricos para Anlise da Influncia Climtica em curvas de Carga". XV SNPTEE Seminrio Nacional de
Produo e Transmisso de Energia Eltrica, Foz de Iguau-Brasil. Keywords.: Redes Neurais, Mapas de
Kohonen, Previso de Carga. Nesta artigos desenvolvida uma aplicao prtica utilizando Mapas AutoOrganizveis
No-Paramtricos
de
Kohonen.
In.:
http://www.xviisnptee.com.br/acervo_tecnico/memoria/xv/grupoix/gop20.pdf Acesso a este material.:
11/04/2003
LIMA,
Cynthia
M.,
"Linguagens
para
Inteligncia
Artificial",
IN.:
http://sites.uol.com.br/cynthia_m_lima/ia2.htm. Texto faz referncias desde a introduo de Inteligncia
Artificial, RNAs, Utilidades de RNAs. Material bsico, porm bom para introduo ao tema. Acesso a este
material.: 12/04/2003
TODESCO, Jos L. (1995). "Reconhecimento de Padres usando uma rede neuronal artificial com uma
funo de base radial: uma aplicao na classificao de cromossomos humanos". Tese apresentada ao
Programa de Ps-Graduao em Engenharia de Produo da Universidade Federal de Santa Catarina para
obteno do Ttulo de Doutor em Engenharia, Florianpolis, Dezembro de 1995. In.:
http://www.eps.ufsc.br/teses/todesco/capit_3/cap3_tod.htm (Keywords.: Reconhecimento de Padres, Redes
Neurais Artificiais) => Esta tese apresenta uma qualidade alta e Dificuldade para interpretao baixa. Fornece,
VON ZUBEN, F. J and de Castro, L.N. . "Modelos Pioneiros de Aprendizado", Notas de aula da
disciplina Redes Neurais, Faculdade de Engenharia Eltrica e Engenharia Computao da Unicamp,
Campinas-SP, 2003. => Material didtico empregado durante aulas no curso de Ps-Graduao. Bastante
didtico e funcional. Trabalha bastante no modelo Perceptron.
VON ZUBEN, F. J and de Castro, L.N. " Neurocomputao, Dinmica No-Linear e Redes
Neurais de Hopfield", Notas de aula da disciplina Redes Neurais, Faculdade de Engenharia Eltrica e
Engenharia Computao da Unicamp, Campinas-SP, 2003. => Material didtico empregado durante aulas no
curso de Ps-Graduao. Fornece conceitos e caractersticas da rede de Hopfield de forma bastante didtica.
5. Concluso
Aps esta pesquisa fica evidente a atuao de RNAs para Reconhecimento
e a Classificao de Padres. So vrios os modelos de redes existentes e
tambm algoritmos para treinamento destas. O estudo detalhado de vantagens e
desvantagens deve ser feito considerando a aplicao a desenvolver. fato a
existncia de limitaes em alguns modelos, ou mesmo, de melhor desempenho
de alguns modelos sobre outros mas no dispensa anlise prvia do problema a
ser tratado na escolha do modelo de rede implantar para determinada situao.
Aps a escolha do modelo de rede a utilizar ainda necessrio estudo
quanto o "como" melhor implementar o modelo adotado, por exemplo no caso do
modelo MLP: quantidade camadas, quantidade neurnios, etc.
Existem vrias pesquisas, vrios algoritmos, vrios modelos e bastante
material na literatura que trata o Reconhecimento e Classificao de Padres.
Procurei citar os modelos mais "famosos/utilizados", embora fao citaes de
referncias que trabalham com outros modelos.
Bibliografia (completa):
1. ANDRADE NETTO, M. L., GONALVES, M. L., ZULLO JR, J. (1998)
"A Neural Architecture for the Classification of Remote Sensing Imagery with
Advanced Learning Algorithms" In: VIII Neural Networks for Signal Processing",
IEEE Signal Processing Society, 1998, Cambridge. Proceedings of the VIII Neural
Networks for Signal Processing. IEEE, 1998. v.1. p.577 - 585
2. ANDRADE NETTO, M. L., GONALVES, M. L., ZULLO JR, J. (1998)
"Uma arquitetura neural para reconhecimento de padres de imagens
multiespectrais de sensoriamento remoto" In: V Simpsio Brasileiro de Redes
Neurais, 1998, Belo Horizonte. V Simpsio Brasileiro de Redes Neurais.
Sociedade Brasileira de Computao, 1998. v.1. p.47 - 52. Referncias adicionais
: Brasil/Portugus. Meio de divulgao: Impresso
3. CAMPOS, Teofilo E. (2001), "Reconhecimento de Faces", Instituto de
Matemtica
e
Estatstica
da
Universidade
de
So
Paulo,
IN.:
http://www.vision.ime.usp.br/~teo/publications/dissertao/,
Reconhecimento,
Redes Neurais, Mtodos de Classificao,)
4. CARDON, Andr, MLLER, Daniel N. "Introduo s Redes Neurais Artificiais".
Relatrio desenvolvido na Universidade Luterana do Brasil, Canoas-RS. In.:
http://www.ulbra.tche.br/~danielnm/ia/rna/rna.html.
5. HAYKIN, S. "Neural Networks A Comprehensive Foundation". Maxwell
Macmillan International, 1994.
6. de Castro, L.N. (2003) "Fundamentals of Neurocomputing", Technical Report RT DCA 01/03. IN.: http://www.dca.fee.unicamp.br/~lnunes
7. DUDA, Richard O. (1996-1997), Pattern Recognition for HCI. Department of
Electrical Engineering, San Jose State University. IN.: http://wwwengr.sjsu.edu/~knapp/HCIRODPR/PR_model/PR_model.htm
8. FAQ de redes neurais: ftp://ftp.sas.com/pub/neural/FAQ.html
9. HUGO, Marcel (1995). "Uma interface de Reconhecimento de Voz para o
sistema de Gerenciamento de Central de Informaes de Fretes". In.:
Dissertao apresentada ao Programa de Ps-Graduao em Engenharia de
Produo da Universidade Federal de Santa Catarina para obteno do T'tulo de
Mestre
em
Engenharia,
Florianpolis,
Dezembro
(1995).
IN.:
http://www.eps.ufsc.br/disserta/hugo/indice/
10. KANSO, Mustaf Ali (1997). "Redes Neurais". Curitiba-PR
IN.: http://pessoal.onda.com.br/mustafa/redes.html
11. KOHONEN, T. (2000), "Self-Organizing Maps", 3rd Ed., Springer-Verlag.
12. KOHONEN, T. Self-organized formation of topologically correct feature
maps, Biological Cybernetics, 43:59-69, 1982.
13. KOHONEN, T. Self-Organization and Associative Memory, 3rd. edition,
Springer, 1989 (1st. edition, 1984). Keywords.: Redes Neurais, SOM, Mapas Auto
Organizveis. Este o material "base" para a pesquisa do modelo de Kohonen.
14. LIMA, Cynthia M., "Linguagens para
http://sites.uol.com.br/cynthia_m_lima/ia2.htm
Inteligncia
Artificial",
IN.:
15. LIMA, Wagner Silva, de Castro, L.N., OHISHI (1999). "Mapas Auto-Organizveis
No-Paramtricos para Anlise da Influncia Climtica em curvas de Carga".
XV SNPTEE Seminrio Nacional de Produo e Transmisso de Energia Eltrica,
Foz de Iguau-Brasil. Keywords.: Redes Neurais, Mapas de Kohonen, Previso de
Carga. Nesta artigos desenvolvida uma aplicao prtica utilizando Mapas AutoOrganizveis
No-Paramtricos
de
Kohonen.
In.:
http://www.xviisnptee.com.br/acervo_tecnico/memoria/xv/grupoix/gop20.pdf
16. Lippmann, R. (1989). "Review of neural networks for speech recognition",
Neural Computation, p.1-38.
17. NIEVOLA, Jlio C. "Redes Competitivas de Kohonen", PUC-Pr, IN.:
http://www.ppgia.pucpr.br/~nievola/DadosWEB/Redes%20Competitivas%20e
%20de%20Kohonen.pdf
18. Theodoridis, S. and Koutroumbas, K. (1999). "Pattern Recognition",
Press, USA, 1st edition
Academic