Monitoria de Sistemas Inteligentes IF684

1. Monitoria de Sistemas Inteligentes IF684 Cleivson Siqueira Rafael Santos Profª Teresa Ludermir

2. RoteiroAula em www/~rhss/Monitoria SI • Matlab • Operações e operadores • Funções • Controle de fluxo • Arquivos .m • Gráficos • Projeto da disciplina

3. Matlab • Matrix LABoratory é um software de alta performance voltado para o cálculo numérico. • Ele integra análise numérica, cálculo com matrizes, processamento de sinais e construção de gráficos. • Problemas e soluções são expressos matematicamente através de matrizes.

4. Matlab • É uma linguagem interpretada, ou seja, cada comando é lido e interpretado um por vez. • Comandos são escritos na janela de comando. • Tudo é considerado matriz. Dados escalares são considerados com matrizes 1x1. • Ex: x = 10; x = [1 2 3]; x = ‘palavra’

5. Matlab • Quando o matlab é carregado, é exibida a janela de comando (comand window) com o prompt “>>” para entrada de dados • Não existe posição zero, o primeiro índice da matriz é igual a 1. • Ex: x = ‘matlab’ e em seguida a = x(0), será gerado um erro.

6. Operações e operadores • Declaração de variáveis • As declarações no matlab são da forma: • >> var = exp ou simplesmente >> exp • Declarando uma matriz • As matrizes podem ser inseridas no matlab através de uma lista explícita, carregadas de arquivos .m ou geradas por funções. • Ex: A = [0 1 2; 3 4 9; 5 6 7] • Concatenando matrizes C = [A,B] • Uma nova matriz C recebe a concatenação de outras duas já existentes.

7. Operações e Operadores • Recuperando dados da minha matriz • Se a matriz for unidimensional, basta fornecer o índice do elemento • Ex: a = ‘texto’ ; c = a(3) -> c = x • Se a matriz for multidimensional, deverá ser fornecido a linha e a coluna • Ex: a = [0 1 2; 3 4 5; 6 7 8]; c = a(2,3) -> c = 5 • O operador usado para comentários de linha é “%”.

8. Operações e operadores • O operador “:” serve para gerar vetores de forma mais rápida do que digitar elemento por elemento. • Ex: a = [1:6] gera como vetor a matriz a = [1 2 3 4 5 6] • Pode-se escolher de quanto será o incremento. • Ex: a = [1:2:6] gera como vetor a matriz a = [1 3 5] • Ex: a = [1:3:6] gera como vetor a matriz a = [1 4] Formato : [inicio: incremento: fim]

9. Operações e operadores • Os operadores “+” e “-” só são aplicados a matrizes de mesma dimensão. • A = [1 2 3] “+/-” [4 5 6] gera como matriz [5 7 9] • A = [1 2 3] “+” [4 5] gera um erro • Já o operador “*” só pode ser aplicado quando A(nxm)*B(mxp) • Ex: a = [1 2;4 5] * [1 2 0;4 5 6] Os cálculos obedecem às regras das operações matriciais, uma vez que tudo em matlab é tratado como matriz

10. Funções • Há um lista de funções que podem ser usadas no matlab, dentre elas podemos citar: • Cos(arg), sin(arg) e tan(arg) que retorna o cosseno, seno e tangente respectivamente do argumento que deve ser expresso em radianos • Log(a) e log10(a) que retorna o logaritmo na base neperiana e na base 10 de um número • Para saber como utilizar uma função basta digitar no prompt help nome_funcao

11. Funções • Tabela com as funções disponíveis em matlab:

12. Controle de fluxo • Os comandos que controlam o fluxo de execução especificam a ordem em que a computação é realizada. • Ex: a = 10 • for i = 1: 5, a = a + 1; end • x = a -> x= 15 • A primeira parte (i=1) é realizada uma vez, antes do laço ser iniciado. • A segunda parte (i<5) é o teste que controla o laço.Se verdadeira, o corpo do laço (a = a + 1) é executado.

13. Controle de fluxo • Se a avaliação do teste for falsa, o laço termina. • O comando end é usado para delimitar o limite inferior do corpo do laço, seu fim.

14. Controle de fluxo • No laço while, avalia-se primeiro a condição, sendo verdadeira o corpo do while é executado, caso contrário, encerra-se o laço. • Ex: a = 1, b = 15; • While a < b, a = a + 1; b = b – 1; end • Os comandos for e while são muito usados para operar com matrizes.

15. Arquivos .m • Os comandos do matlab são normalmente digitados na janela de comando. • Apenas uma linha de comando é introduzida na janela que posteriormente é interpretada. • Porém, o matlab oferece a opção de executar seqüências de comandos armazenadas em arquivos.

16. Arquivos .m • Os arquivos que contêm essas declarações são chamados de arquivos “.m” ou também scripts. • Eles consistem de uma seqüência de comandos normais do matlab. • Exemplo: o script que será usado por vocês para treinarem a rede neural.

17. Gráficos • O matlab oferece a opção para visualizar gráficos. • Há uma lista com vários comandos para plotar diferentes tipos de gráficos. • Todos esses comandos recebem como argumento um vetor numérico.

18. Gráficos • Tabela:

19. Projeto da disciplina • Serão usados os problemas disponíveis na conhecida base de dados Proben1. • Cada problema possui 3 arquivos de dados. • Ex: O problema câncer possui os arquivos cancer1.dt, cancer2.dt e cancer3.dt. • Os arquivos diferem na ordem de apresentação dos padrões, dependendo desta ordem a rede neural pode gerar resultados diferentes. • Não haverá equipes com o mesmo arquivo de dados. As equipes terão no máximo 4 integrantes e a equipe deverá mandar email para a monitoria (if684si@gmail.com) com o subject (Projeto_Teresa) informando quais são os alunos que compõem a equipe.

20. Projeto da disciplina • Neste projeto, os problemas poderão ser de dois tipos: • classificação ou • aproximação. • 1) Problemas deClassificação: Dado um padrão (exemplo), a rede deve dar como resposta a classe à qual ele pertence. IdadeRenda ... ProfissãoClasse 24 1070 ... Engenheiro Bom pagador ... ... ... ... ... 40 4700 ... Professor Mau pagador Padrão1 ... PadrãoN Atributosnuméricos (ou quantitativos) Atributo categórico (ou qualitativo)

21. Problema Abordado • 2) Problemas de Aproximação: Dado um padrão, a rede deve gerar saídas que se aproximem das saídas verdadeiras. • Em ambos os casos, deseja-se generalização, ou seja, que a rede seja capaz de gerar as saídas mais corretas possíveis não apenas para ospadrões apresentados no treinamento, mas também parapadrões novos. TemperaturaUmidade ... Dir. dos Ventos Quant. chuva 27 0.28 ... Norte 0.12 ... ... ... ... ... 21 0.67 ... Sudeste 1.32

22. Pré-processamento • Neste projeto, não será cobrado, pois os dados já foram pré-processados. • É comum fazer normalização(para garantir que os valores estarão dentro de uma determinado intervalo). Nos problemas do Probené usado o método min-max[0,1]. • Exemplo de escalonamento para o intervalo [0,1]: • onde xnormé o valor normalizado correspondente ao valor original x, e xmin e xmax são os valores mínimo e máximo entre todos os valores (ou separadamente por atributo).

23. Particionamento dos Dados • Particionamento de dados utilizado no Proben1: • 50% dos padrões de cada classe escolhidos aleatoriamente para treinamento, • 25% para validação, • 25% para teste. • É importante que as proporções entre as classes no conjunto completo de dados sejam mantidas nos conjuntos de treinamento, validação e teste. • Neste projeto, não será cobrado, pois cada arquivo de dados já está dividido em treinamento, validação e teste.

24. 1 234 345 456 567 678 789 1 0.12 0.23 0.34 0.45 0.56 0.67 0 1 Classe A Classe A Normaliza e acrescenta saídas 100 100 1 987 876 765 654 543 432 1 0.87 0.76 0.65 0.54 0.43 0.32 1 0 Classe B Classe B 100 100 Particionamento dos Dados Exemplo:

25. Classe A (50%) 1 0.12 ... 0.67 0 1 34 0.12 ... 0.67 0 1 08 0.39 ... 0.27 0 1 Randomiza Particiona Classe A (25%) Classe A Classe A Classe A (25%) 100 12 1 0.87 ... 0.32 1 0 46 0.87 ... 0.32 1 0 Classe B (50%) 61 0.51 ... 0.92 1 0 Randomiza Particiona Classe B Classe B Classe B (25%) 100 78 Classe B (25%) Particionamento dos Dados

26. Classe A (50%) Classe A (50%) Treinamento Classe A (25%) Classe B (50%) Classe A (25%) Classe A (25%) Validação Classe B (50%) Classe B (25%) Classe B (25%) Classe A (25%) Teste Classe B (25%) Classe B (25%) Particionamento dos Dados

27. Definição da Topologia MLP • Aspectos que serão fixosneste projeto: • Nº de nodos de entrada: Quantidade de atributos de entrada. • Nº de nodos desaída: • Em problemas de classificação, é a quantidade de classes. • Regra de classificação winner-takes-all: o nodo de saída que gerar a maior saída define a classe do padrão. • Em problemas de aproximação, é a quantidade de variáveis de saída. • Uma única camada escondida. • Função de ativação dos neurônios: sigmóide logística. • Todas as possíveis conexões entre camadas adjacentes, sem conexões entre camadas não-adjacentes.

28. Definição da Topologia MLP Exemplo:6 entradas e 2 saídas. 0.12 0.23 0.34 0.45 0.56 0.67 0 1 Conjunto de treinamento

29. Definição da Topologia MLP • Um dos aspectos que serão variados neste projeto: • Nº de neurônios escondidos (serão usados 3 valores). • Variando o nº de neurônios escondidos, estamos variando a quantidade de pesos da rede. • Explicação:Uma rede neural implementa uma função. f1 w1 x1 w5 f3 As funções fi são do tipo sigmóide logística. w3 y w2 w6 x2 w4 f2 y = f3( w5 f1 (w1 x1 + w3 x2) + w6 f2 (w2 x1 + w4 x2) ).

30. Definição da Topologia MLP • Os pesos da rede são os parâmetros da função. • Dessa forma, aumentar a quantidade de pesos da rede significa aumentar a complexidade da função implementada. • Se a quantidade de pesos for pequena demais, pode haver underfitting. • A função implementada não tem complexidade suficiente para resolver o problema abordado. • Se a quantidade de pesos for grande demais, pode haver overfitting. • A função implementada tem complexidade demais para o problema, sendo capaz de modelar detalhes demais dos dados de treinamento. • Dessa forma, a rede não generaliza bem.

31. Medidas de Erro • Para ambos os tipos de problema, será usado o erro SSE (sum squared error - soma dos erros quadráticos). • Ex.: Saídas da rede Saídas desejadas Padrão 1 ... N 1 ... N Nodo 1 0.98 ... 0.12 1.00 ... 0.00 Nodo 2 0.02 ... 0.96 0.00 ... 1.00 • Soma dos erros quadráticos (SSE): SSE = (0.98 – 1.00)2 + ... + (0.12 – 0.00)2 + (0.02 – 0.00)2 + ... + (0.96 – 1.00)2.

32. Medidas de Erro • Para problemas de classificação, também será calculado o errode classificação (neste projeto, só para o conjunto de teste). • Regra de classificação winner-takes-all: • O neurônio de saída que apresentar o maior valor de saída determina a classe do padrão. • Ex.: • Saídas da rede Saídas desejadas • Padrão 1 ... N 1 ... N • Nodo 1 0.98 ... 0.12 1.00 ... 0.00 • Nodo 2 0.02 ... 0.96 0.00 ... 1.00 • Classe 1 ... 2 1 ... 2 Erro Classif. = 100 x Quant. de padrões classificados erradamente Quant. total de padrões

33. Treinamento com Backpropagation • Será usado o algoritmo backpropagation padrão. • É um algoritmo de gradiente descendente, ou seja, utiliza informações de derivada. • Por isso, as funções de ativação devem ser contínuas e diferenciáveis (é o caso da sigmóide logística). • Objetivo: Fazer “ajuste de pesos”, ou seja, escolher os pesos que geram as saídas mais corretas possíveis (menor erro) de forma iterativa. • Idéia geral: A cada iteração, obter um erro cada vez menor para os dados de treinamento. • Cuidado: Não permitir que a rede aprenda detalhes demais do conjunto de treinamento (overfitting).

34. Parada Parada por Erro Mínimo de Treinamento SSE Conjunto de treinamento Erro mínimo de treinamento Iteração Conjunto de validação (neste exemplo, observado a cada 3 iterações) Erro alto para dados não usados no treinamento (não generaliza bem) Iteração

35. Parada por Erro Mínimo de Validação • É recomendável que o treinamento seja interrompido quando o erro no conjunto de validação atingir um mínimo. • A partir deste ponto, supõe-se que a rede só aprenderia detalhes irrelevantes do conjunto de treinamento. • O erro para dados de treinamento seria cada vez menor, mas o erro para dados novos (validação) seria cada vez mais alto. • Neste projeto, será usado o seguinte critério de parada: • Interromper o treinamento quando o erro de validação subir por 5 iterações consecutivas. • É o critério implementado no Matlab (parâmetro “max_fail = 5”).

36. Parâmetros de Treinamento • Neste trabalho, serão escolhidos 3 valores para ataxa de aprendizadodo algoritmo backpropagation. • A quantidade máxima de iterações permitidas será fixa (escolhida pela equipe). • Usando taxa de aprendizado muito baixa, cada iteração faz um ajuste muito pequeno nos pesos (passo muito pequeno). • Pode precisar de muitas iterações para convergir para o ponto de mínimo desejado na superfície de busca. • Usando taxa de aprendizado muito alta, cada iteração faz um ajuste muito grande nos pesos (passo muito grande). • Pode causar oscilações em torno de um ponto de mínimo.

37. Análise de Resultados • Serão usadas: • 3 quantidades de neurônios escondidos, • 3 taxas de aprendizado. • Temos um total de 9 configurações a serem testadas. • Para cada configuração, será realizado um treinamento. • A melhor configuração a ser escolhida é a de menor erro de validação. Config. SSEdeTreinamentoSSEdeValidação 1 2.133.45 2 1.44 0.71 ... ... ... 9 4.43 5.18 Melhor configuração

38. Análise de Resultados • Para a melhor configuração escolhida, devem ser feitos 10 treinamentos com diferentes inicializações de pesos. • O objetivo é verificar como a melhor rede se comporta quando variamos os pesos iniciais. Inicialização SSE de Treinamento SSE de Validação SSE de Teste E.Class. de Teste 1 1.12 0.66 0.79 12.08 2 1.44 0.71 0.88 13.32 ... ... ... ... ... 10 1.23 0.66 0.90 09.87 Média 1.15 0.70 0.85 11.24 Desv-pad 0.07 0.11 0.10 02.35

39. Para começar... • Os arquivos .dt têm muitos dados

40. Separando os dados OBSERVAR ESTES NÚMEROS!!! Treinamento.txt 460 linhas 230 linhas 230 linhas Validacao.txt Teste.txt

41. Dúvidas • Monitores • Cleivson Siqueira – csa3@cin.ufpe.br • Rafael Santos – rhss@cin.ufpe.br • if684si@gmail.com