Contribuição de Flávia Passoni e Thayane Sanches
Segundo os professores Fernando Castro e Maria Cristina Castro:
"Os Mapas Auto-Organizados são redes competitivas que possuem a habilidade de formar mapeamentos que preservam a topologia entre os espaços de entrada e de saída. As redes SOM são utilizadas em muitos projetos industriais como ferramentas para resolver problemas práticos de difícil solução" [1].
Os Mapas Auto-Organizáveis ou Self Organizing Maps (SOM) também são conhecidos como Mapas de Kohonen em homenagem ao seu descobrido, o professor finlandês Teuvo Kohonen [2].
Mapas de kohonen from Zuki Tomba-Lata
Mapas de Kohonen
Os vídeos indicados demonstram como funciona o processo de auto-organização de um mapa em relação à cores:
Outro vídeo que foi apresentado, com a representação em 2D e 3D do Mapa de Kohonen trabalhando e uma possível solução encontrada por SOM sobre o problema do Caixeiro Viajante:
[2] NUNES, L. Mapas Auto-Organizáveis de Kohonem. Cap 8. Dissertação de Mestrado. Análise e Síntese de Estratégias de Aprendizado para Redes Neurais Artificiais. Unicamp, 1998. Disponível em: ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/theses/lnunes_mest/cap8.pdf, recuperado em 08/10/2012.
Mapas de Kohonen
Vídeos Interessantes sobre SOM
Os vídeos indicados demonstram como funciona o processo de auto-organização de um mapa em relação à cores:
Outro vídeo que foi apresentado, com a representação em 2D e 3D do Mapa de Kohonen trabalhando e uma possível solução encontrada por SOM sobre o problema do Caixeiro Viajante:
Referências
[1] CASTRO, F. C. C. de; CASTRO, M. C. F. de. Mapas Auto-Organizados de Kohonen - SOM. Disponível em: http://www.feng.pucrs.br/~decastro/RNA_hp/pdf/RNA_C7.pdf, recuperado em 08/10/2012.[2] NUNES, L. Mapas Auto-Organizáveis de Kohonem. Cap 8. Dissertação de Mestrado. Análise e Síntese de Estratégias de Aprendizado para Redes Neurais Artificiais. Unicamp, 1998. Disponível em: ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/theses/lnunes_mest/cap8.pdf, recuperado em 08/10/2012.
Esse é um dos primeiros materiais que tenho contato que aborda entre outros assuntos, Redes Neurais, onde houveram comentários em aula, vistos na matéria Teoria da Computação I & II. Vale lembrar que o Professor Carlos Eduardo Câmara já havia explicado brevemente sobre esta tecnologia, os ganhos que ela representa (e que virá a representar) e co-relações em métodos de busca que estamos estudando atualmente. Outro ponto importante é o avanço que a computação Neural representa para os modelos de processamento que temos e que pretendemos (e podemos) ter futuramente. Esse pode ser um "caminho" profissional a se seguir, principalmente àqueles que gostam de infra estrutura ou suas relações.
ResponderExcluirOlá pessoal, utilizando Mapas de Kohonen, é possível resolver vários problemas que sem ele se torna uma tarefa muito difícil, pesquisando um pouco sobre este assunto achei um artigo muito interessante desenvolvido por Luciano Piccoli da Universidade Federal do Rio Grande do Sul.
ResponderExcluirO artigo fala sobre Segmentação de Imagens Ecocardiográficas Utilizando
Mapas de Kohonen. Neste artigo ele utiliza As imagens que se tratam de eco cardiogramas de fetos humanos, utilizando Mapas de Kohonen, o mapa identifica problemas graves no coração do feto, e possibilita que sejam tratados com grande antecedência, evitando-se possíveis situações perigosas mais tarde.
Link do Artigo : http://sedici.unlp.edu.ar/bitstream/handle/10915/24010/Documento_completo.pdf?sequence=3
Li um artigo interessante onde mencionou que ao longo das ultimas décadas, diversas técnicas tem sido desenvolvidas para classificação de imagens de sensoriamento remoto. No caso de imagens geradas por sensores que atuam na faixa de microondas (radar), novas pesquisas são necessárias, já que muitas vezes técnicas consagradas para a classificação de imagens opticas não produzem resultados satisfatórios quando aplicadas a imagens radar. Na região amazônica, as condições climáticas frequentemente favorecem a cobertura de nuvens, o que se apresenta como fator restritivo a utilização de sensores opticos, incapazes de transpor este obstáculo naturalmente. Entretanto, os sensores SAR(Radar de Abertura Sintética) praticamente não são afetados pela cobertura de nuvens, e portanto tem se tornado os principais responsáveis pela obten ção de dados, contribuindo para suprir a falta de informa ção dispon ivel sobre esta região. Realmente, um assunto interessante sobre esta tecnologia. INPE -Inst.Espacial de Pesq.Espaciais.
ResponderExcluirAbraços,
Ronaldo Zolim.
As redes neurais são bastante interessantes pois quando se faz um algoritmo que utiliza essas redes pode-se obter resultados muito rapidamente ao passo que se não fossem utilizadas seria mais demorado obter tais resultados. A questão do mapeamento facilita muito também pois você obtém resultados que podem ser "enxergados" facilitando assim a facil interpretação, ou seja, tendo um resultado mais facil de se interpretrar mais rapidamente e precisos serão os resultados.
ResponderExcluirEm uma das aulas de Teoria da Computação II o Professor Camara comentou sobre o Algoritmo de Kohonen.
ResponderExcluirEu li um artigo sobre Rede Neural com Algoritmo não supervisionado. Existem alguns algoritimos que o professor comentou.
http://www.dct.ufms.br/~mzanusso/producao/JuliSewo.pdf
Verdade, em Teoria da Computação I o professor Câmara comentou sobre esse Algoritmo de Kohonem...
ResponderExcluirContinuando e após pesquisar mais um pouco, vi algumas importâncias, tais como:
-utiliza aproximação dos pontos similares onde os mesmos são processados separadamente;
-permite ao mapa obter centros em um plano bidimensional disponibilizando uma visualização facilmente compreensível.
Abraços Julio