Iniciao Pesquisa Cientfca I Trabalho Final Alunos:

Walter Rubens Bolitto Carvalho RA: 11038711 Joo Eduardo Aparecido Luisi Vieira RA: 11022011

Utilizao de Redes Neurais Artificias e seus usos no reconhecimento de padres 1. Introduo

O crebro humano sem dvida um potente computador capaz de processar os mais diversos tipos de informao e convert-las de forma satisfatria. Porm pelo conhecemos sobre o crebro, podemos dizer que ele no se comporta exatamente como um computador convencional, pois o cortex e cerebelo possuem mais de 10 bilhes de neurnios onde cada neurnio, conecta-se a milhares de outros, gerando o que chamamos de rede neural.[1] Com intuito de simular de forma eletrnica aquilo que os neurnios dos animais fazem, foram criadas tcnicas computacionais e modelos matemticos que adquirem conhecimento atravs da experincia, estas tcnicas so conhecidas como Redes Neurais Artificiais (RNA's).[2]

2. Caractersticas de Redes Neurais Artificiais

Uma rede neural artificial composta por vrias unidades de processamento, no qual o funciomento relativamente simples. Esssas unidades normalmente so conectadas por meio de canais de comunicao que esto associados a determinado peso. Cada unidade processa apenas aquilo que referente ao seus dados locais, que so entradas recebidas por meio de suas conexes. O comportamento inteligente de uma Rede Neural Artificial ocorre por meio das interaes entre as unidades de processamento de rede. Em 1943 McCulloch e Pitts propuseram o modelo para um neurnio artificial, para uma unidade de processamento, ela pode ser resumida de seguinte maneira: Sinais so apresentados entrada. Cada sinal multiplicado por um nmero, ou peso, que serve para indicar o grau de importncia da unidade na sada.

feita uma soma ponderada dos sinais que produz um nvel de atividade. Se este sinal exceder um certo limite, a unidade produz uma determinada resposta de sada.

Podemos ver uma simplicao desde modelo na figura abaixo:

Figura 1: Modelo de McCulloch e Pitts A maioria das Redes Neurais Artificiais possuem algum tipo de regra de treinamento, onde os padres apresentados indicam o grau de ajuste de cada peso equivalente unidade de processamento. Isto , as Redes Neurais Artificiais aprendem atravs de exemplos.

3. Redes Neurais Artificiais para reconhecimento de padres

As iniciativas para o reconhecimento de padres articialmente dividem-se em duas categorias: a de reconecimento de itens concretos e de itens abstratos. O reconhecimento de itens concretos envolve o reconhecimento de impresses digitais, assinaturas, objetos fsicos, formas de ondas, voz, faces,enm, o reconhecimento de itens que existem concretamente. Os elementos abstratos seriam itens sem forma fsica como por exemplo a soluo para um determinado problema. O reconhecimento de padres envolve trs nveis de processamento: ltragem da entrada, extrao de caractersticas e classicao. A ltragem da entrada de dados tem o objetivo de eliminar dados desnecessrios ou distorcidos fazendo com que a entrada apresente apenas dados relevantes para o reconhecimento do objeto em anlise. A extrao de caractersticas consiste da anlise dos dados de entrada a m de extrair e derivar informaes teis para o processo de reconhecimento. O estgio nal do reconhecimento de padres a classicao, onde atravs da anlise das caractersticas da entrada de dados o objeto em anlise declarado como pertencente a uma determinada categoria.

4. Utilizaes prticas de redes neurais 4.1.

Reconhecimento Facial

As redes neurais so empregadas no reconhecimento faces pela sua capacidade de aprendizado (treinamento) que permite tratar ecientemente essa complexa tarefa. Entretanto, uma desvantagem dessa arquitetura necessitar de muitos ajustes (nmero de nveis, nmero de ns, razes de aprendizado, etc) para obter bom desempenho. Uma srie de mtodos utilizando redes neurais foram propostos para o reconhecimento de faces, onde foi buscado encontrar os ajustes coerentes. Dentre os mtodos de deteco de faces que utilizam redes neurais, um dos mais signicantes foi proposto por Rowley. Este modelo emprega uma rede neural multi-nvel treinandoa para o reconhecimento de padres de face e padres de no-face. Para a classicao dos padres como faciais ou no, usa-se a rede neural para buscar uma funo discriminante entre eles usando medidas de distncia. O mtodo proposto composto por dois componentes principais: uma rede neural mltipla capaz de detectar padres de face e um mdulo de deciso para tomar a deciso naldentre os mltiplos resultados detectados.[3].

4.2.

Reconhecimento de Voz

As redes neurais tambm so empregadas para o reconhecimento de padres de voz. Para que seja possvel realizar o reconhecimento so seguidos quatro passos bsicos. Primeiramente ocorre a digitalizao da fala que se quer reconhecer. Um segundo passo realiza uma computao das caractersticas que representam o domnio espectral contido na fala (regies de alta energia em frequncias particulares). Esse passo computado a cada 10 ms, sendo que cada seo de 10 ms chamada de quadro (frame). O terceiro passo consiste do uso de uma rede neural para realizar a classicao de um conjunto de caractersticas dentro das caractersticas fonticas bsicas para cada frame. Por m, o quarto passo aplica um mtodo de busca para associar as sadas da rede neural com padres de palavras a m de encontrar a palavra com a qual as sadas da rede mais se assemelham.[4]

5. Concluso
Atravs deste projeto consequimos entender o princpio de funcionamento de uma Rede Neural Artificial, suas aplicaes para o reconhecimento de padres, especialmente falando sobre o reconhecimento de voz e o reconhecimento facial.

6. Bibliografia
[1] Andrade, A de O. & Jr. Pinheiro, C. G. Reconhecimento de Voz utilizando redes neurais 1998. http://www.aoandrade.eletrica.ufu.br/Documents/ProjFinal.pdf acessado em agosto de 2011. [2] Carvalho, A. P. L. F. De Introduo Redes Neurais Artificiais. http://www.icmc.usp.br/~andre/research/neural/ - acessado em agosto de 2011.

[3] H. Rowley, S. Baluja, and T. Kanade. Rotation invariant neural network-based face detection. In IEEE Conference Computer Vision and Pattern Recognition, 1998 [4] John-Paul Hosom, Ron Cole, and Mark Fanty. Speech recognition using neural networks at the center for spoken language understanding, 2005. http://cslu.bme.ogi.edu/tutordemos/nnet_recog/recog.html acessado em agosto de 2011. Figura 1. disponvel em: http://acroque.blogspot.com/2008/10/o-modelo-de-mcculloch-e-pittsparte-1.html acessado em agosto de 2011.