Algoritmos Genéticos e Redes Neuronais
Objetivos
-Compreender o funcionamento dos Algoritmos Genéticos (GA) como método de optimização,
-Ser capaz de aplicar o método GA a problema simples utilizando uma implementação de GA .
- Compreender os tipos básicos de redes neuronais: ‘feedforward’, convolução e recorrrente. Entender o método de optimização dos parâmetros das redes e o papel dos hiperparâmetros associados à utilização das redes neuronais. Compreender os diversos tipos de regularização e as situações em que há necessidade de os utilizar.
Caracterização geral
Código
12530
Créditos
6.0
Professor responsável
Rui Alberto Pimenta Rodrigues
Horas
Semanais - 4
Totais - 52
Idioma de ensino
Português
Pré-requisitos
Não há.
Bibliografia
- Practical Genetic Algorithms, Second Edition, Randy L. Haupt Sue Ellen Haupt, 2004 John Wiley & Sons, Inc
- Introduction to Evolutionary Computing, A. E.Eiben and J. E. Smith, Springer,
Método de ensino
Nas aulas serão feitas breves exposições teóricas seguidas de exemplos práticos, normalmente incluindo implementação computacional.
Método de avaliação
No decorrer das aulas serão efectuados dois trabalhos, teóricos e computacionais, que serão acompanhados da discussão dos mesmos.
Haverá também um teste no fim do semestre.
A nota da avaliação será (notaTrab1+ notaTrab2+notaTeste)/3.
Conteúdo
Algoritmos Genéticos
-Um método de optimização.
-Conceitos básicos: função objetivo, população, seleção, mutações, recombinação.
-Exemplos práticos com utilização de software.
Redes Neuronais
-Conceitos básicos: tipos de redes(feedforward, convolução e recorrentes), funções de ativação e funções de custo.
-Otimização dos parâmetros de uma rede neuronal e métodos de regularização.
-Exemplos práticos com utilização de software.
Ao longo do curso será usada a linguagem de programação Python e alguns dos seus ''pacotes''. Não será assumido qualquer conhecimento prévio desta linguagem de programação.