Revisão bibliográfica redes neurais recorrentes
Um comportamento dinâmico é aquele que seu estado varia com o tempo
Download 406.67 Kb.
|
- Navigate this page:
- A estrutura de um rede neural recorrente pode ser usada em inúmeras funções e aplicações
- 15.18 -EM CIRCUITOS INTEGRADOS
- Outras Fontes Bibliográficas
Um comportamento dinâmico é aquele que seu estado varia com o tempo9 -PREDIÇÃO – 70/77/78/98/124/148/149/156/321/339/357/ Um dos mais conhecidos problemas em séries temporais é a predição de um valor futuro de um processo estocástico discreto no tempo, dado um conjunto de amostras passadas do processo. 10 - ARQUITETURA/ALGORÍTMOS – 3/32/50/83/87/122/146/147/164/166/154/202/216 226/227/228/238/242/254/257/258/299/304/312/331/337/347/362/376/377/384 Arquitetura define a estrutura da rede, isto é, o número de neurônios e sua interconectividade.
307/311
Attractor representa o estado de equilíbrio de um sistema dinâmico que pode ser observado experimentalmente (não implica em um equilíbrio estático. Existem em sistemas dinâmicos não lineares. 12 - EM COMPARAÇÃO À FISIOLOGIA HUMANA – 18/19/20/23/88/91/126/136/174/ 344/381
Redes neurais biológicas são caracterizadas por sua arquitetura hierárquica. Estudadas comparações com a fisiologia humana, conecções, mecanismos de feedback, operações assíncronas, etc. 13 -COM LÓGICA FUZZY – 1/8/11/13/47/68/129/169/186/187/189/267/355 É uma lógica de multi valores, que permite intermediar valores a serem definidos entre avaliações convencionais tipo sim/não, falso /verdadeiro, preto/branco, etc. Noções do tipo preferencialmente quente/quase frio podem ser formuladas matematicamente e processadas por computadores. Este é o caminho de aplicar a técnica mais “humana” quando se trabalha com programação de computadores 14 -COM ALGORÍTMO EVOLUTIVO – 151/175/193/198 Algoritmos evolutivos são baseados na evolução de tentativas aleatórias . É uma simulação computacional da teoria de Darwin onde os processos são construídos de maneira aleatória mas os efeitos não. 15 -APLICAÇÃO - A estrutura de um rede neural recorrente pode ser usada em inúmeras funções e aplicações15.1 -EM COMPUTAÇÃO – 140/222/229/237/279/280/301/326/373 Utilizada na área de gerenciamento computacional onde apresenta o problema de não cobrir todos os estados de um sistema dinâmico a não ser com uma rede muito grande. 15 2 -EM CLASSIFICAÇÃO/CLUSTER – 52/67/120/295/351 Utilizada no método de vector support para classificação de padrões, diminuindo os problemas de treinamento; utilizada em algoritmos de clusterização simulando o sistema visual. 15.3 - EM SISTEMAS CELULARES – 75/134/ Utilizada em controle de admissão de chamadas inteligente com sucesso; utilizada em deteção de multi-uso com algoritmos de implementação mais simplificados 15.4 - EM CIRCUITO DE MICROONDAS – 65/73 Utilizada em circuitos não-lineares 15.5 -EM LÍNGUAS – 2/16/17/21/33/35/49/86/182/217/221/246/253/273/294/305/310316/323/325/328/330/341/ 353/365/380 para classificação de sentenças gramaticais e não-gramaticais e em ensino de gramática
em predição de temperatura de transformadores com bom resultado 15.7 -EM ARMAZENAMENTO DE ESTOQUE – 4/5/48/ em previsão e capacidade de estoque, com bom resultado mas sem conseguir separar os ruídos da série de dados em questão 15.8 -EM DETEÇÃO DE SINAL – 15/125/127/352 no reconhecimento de padrões dos sinais 15.9 -EM ROBÓTICA – 24/117/137/138/290/291/292/293 no controle, reconhecimento de gestos e padrões 15.10 -EM IDENTIFICAÇÃO E MODELAGEM DE SISTEMAS – 25/26/44/45/142/256/269/322/340/ em sistemas dinâmicos variados, como por exemplo séries temporais financeiras 15.11 -REDUNDANT MANIPULATOR: muito aplicados e com grande sucesso 15.12 -EM MÚSICA – 27/62 em criação e síntese de música eletrônica 15.13 -NA FALA – 28/36/150/161/281/287/314 A/370 em reconhecimento da fala e de fonemas 15.14 -EM HELICÓPTEROS – 34 para autonomia do helicópteros 15.15 -EM SISTEMAS DE COMUNICAÇÃO – 69/85/180/244/382383 em receptores de comunicação digitais e em decodificadores convolucionais 15.16 - EM DETEÇÃO/RECONHECIMENTO DE PADRÕES/ GESTOS – 74/97/100/ 250/255/268/315/324/356/ A técnica apresenta performance variada dependendo do tipo de reconhecimento a ser feito e é aplicada em diversos tipos de reconhecimento como de células de tecidos, de fósseis, gramática, ambientes de mapas etc 15.17 -EM MOTORES – 79/80/89/152/189/190 variados, em especial nos que necessitam de dinâmica 15.18 -EM CIRCUITOS INTEGRADOS – 116/296para amplificadores, transistores e receptores com redes neurais muito simples 15.19 -EM CÉLULAS DE TECIDOS – 132como reconhecimento de padrões de células de tecidos, de fósseis, etc 15.20 -EM DETEÇÃO DE FÓSSIL – 133 como reconhecimento de padrões de de células de tecidos, de fósseis, etc 15.21 -EM FILTRAGEM – 165/167/168/176/252/364 Sistemas não lineares tais como redes neurais apresentam desempenho melhor ou igual que sistemas lineares para filtragem, cancelamento de ruído, etc. 15.22 -EM WAVELETS – 179 Utilizado para classificações de padrões 16 - ACOPLADO A SISTEMAS CAÓTICOS – 12/94/ Faz parte de uma importante parte do estudo de redes neurais. Podem ser utilizados por exemplo, para modelamento de séries temporais caóticas. Outras Fontes BibliográficasLIVROS – Esta é uma lista parcial de livros que contém capítulos a respeito de Redes Neurais Recorrentes Uma forma simples de comprar um livro: www.amazon.com
Fundations, Algorithms and Applications Chistian W. Omlin & Lee Giles 2001
Stefan Wermter and Ron Sun Springer, Heidelberg, March 2000 www.his.sunderland.ac.uk/newbook/hybrid.html
Editor:Judith Dayhoff, Omid Omidvar Neural Networks- asystematic Introduction Raul rojas Springer-Verlag, Berlin, 1996
Alexandre Aussem, june 1995 Recurrent Neural Networks in Digital Communications George Kechriotis, 1994 Artificial Intelligence and Neural Networks: Steps Toward Principled Integration Vasant Honavar and Leonard Uhr Boston,1994
F. Fogelman-Soulie and Y. Robert and M. Tchuente (eds.) Princeton University Press, 1987. Syntactic Pattern Recognition and Applications K. S. Fu , Prentice-Hall, 1982. Interative Book: Neural And Adaptive Systems: Fundamentals Through Simulations NeuroDimension Inc. www.nd.com/products/nsbook.htm book@nd.com
Anais de simpósios onde são cobertos temas a respeito de redes neurais Workshop on Recurrent Neural Networks and Online Sequence Learning ICANN-2001 August, Vienna, Austria www.idsia.ch/~doug/icann SIMPÓSIOS 2002: Conferências Relacionadas com Redes Neurais que apresentam seções de Redes Neurais Recorrentes para o ano de 2002: Endereço para busca: (http://www.emsl.pnl.gov:2080/proj/neuron/neural/conferences/2002.html) EMSL Web Site Cognitive Systems Summary of Cognitive Systems Conferences Computational Intelligence Summary of Computational Intelligence Conferences Neural Networks Conferences Fuzzy Logic Conferences Evolutionary Computation Conferences Classical Artificial Intelligence Summary of Classical Artificial Intelligence Conferences Knowledge-Based Systems Conferences Biological/Natural Intelligence Summary of Biological/Natural Intelligence Conferences Neuroscience Conferences Cognitive Science Conferences 10th European Symposium on Artificial Neural Networks. Bruges (Belgium). 24-26 April 2002 2002 IEEE 11th Internationa Fuzzy Systems Conference 12 May - 17 May 2002
(ICNN '2002) 12 May - 17 May 2002
12 May - 17 May 2002 2002 IEEE World Congress on Computational Intelligence 12 May - 17 May 2002 May 12-17, 2002 WCCI'2002 Place: Hilton Hawaiian Village, Honolulu, HI. Contact: David B. Fogel http://www.wcci2002.org Neuro Fuzzy (NF) in Habana, Cuba 16-19 January 2002: NF 2002 Initial Deadline: Thursday 31 May 2001
13-17 May 2002: ICASSP 2002: Initial Deadline: Wednesday 31 October 2001
30 September 2002 - 5 October 2002: IROS 2002 IEEE International Conference on Image Processing (ICIP) in Rochester, New York, USA October 2002: ICIP 2002: 9th Conference International Conference on Neural Information Processing (ICONIP) in Singapore 18-22 November 2002: ICONIP 2002: 9th Conference Initial Deadline: Tuesday 30 April 2002
15-18 December 2002: ISA'2002 Directory: pub -> docs -> vonzuben pub -> Asilomar Conference on Circuits, Systems & Computers, Pacific Grove, ca, November 1978, pp. 55 58 pub -> Forthcoming meetings and conferences pub -> Harmonised compatibility and sharing conditions for video pmse in the 7 9 ghz frequency band, taking into account radar use docs -> A dragon in the tube vonzuben -> Revisão Bibliográfica: Learning Vector Quantization 28/04/2003 vonzuben -> Revisão Bibliográfica: Autômatos Celulares docs -> Updated March 2017 Registration Quick Reference Card for Employees/Associates Download 406.67 Kb. Share with your friends:
|