Redes NeuraisRedes NeuraisProjetoProjeto

Equipe:Equipe:

Guilherme de Sousa Moura (gsm)Guilherme de Sousa Moura (gsm)

Paulo Amorim (prfa)Paulo Amorim (prfa)

RoteiroRoteiro

MetodologiaMetodologia• Pré-ProcessamentoPré-Processamento• ConfiguraçõesConfigurações

TreinamentoTreinamento ResultadosResultados DesempenhoDesempenho

• Curva ROCCurva ROC• Matriz de ConfusãoMatriz de Confusão

Metodologia (1/3)Metodologia (1/3)

Dados:Dados:• Entrada -> 46 atributosEntrada -> 46 atributos• Saida -> 2 atributosSaida -> 2 atributos

Classe 1 (40000)Classe 1 (40000) Classe 2 (700)Classe 2 (700)

Metodologia (2/3)Metodologia (2/3)

Pré-Processamento:Pré-Processamento:• Divisão das ClassesDivisão das Classes

25% - teste25% - teste• Balanceamento das ClassesBalanceamento das Classes

2/3 restante – treinamento2/3 restante – treinamento 1/3 restante – validação1/3 restante – validação

• Aleatorização dos dadosAleatorização dos dados

Metodologia (3/3)Metodologia (3/3)

Configurações:Configurações:• 20 exemplos20 exemplos

Nós da Camada Escondida (2,4,8,12,24)Nós da Camada Escondida (2,4,8,12,24) Erro (MSE/SSE)Erro (MSE/SSE) Número de Iterações (350-500)Número de Iterações (350-500) Taxa de Aprendizagem (0.001,0.00001)Taxa de Aprendizagem (0.001,0.00001) TreinamentoTreinamento

• Trainrp (Trainrp (backpropagation residualbackpropagation residual))• Traingd (Traingd (gradiente descendentegradiente descendente))

TreinamentoTreinamento

40 Simulações (2x cada)40 Simulações (2x cada) Média dos Resultados Média dos Resultados

• minimizar aleatoriedade da redeminimizar aleatoriedade da rede Observações:Observações:

• Over-fitingOver-fiting• Resultados não-confiáveisResultados não-confiáveis

Resultados (1/2)Resultados (1/2)

Resultados (2/2)Resultados (2/2)

Melhor Configuração De Rede:Melhor Configuração De Rede:• menor porcentagem de erromenor porcentagem de erro

• Sem over-fiting prematuroSem over-fiting prematuro

Desempenho (1/2)Desempenho (1/2)

Curva ROCCurva ROC• Dados de teste divididos por classe (a)Dados de teste divididos por classe (a)• Dados de teste aleatorizados (b)Dados de teste aleatorizados (b)

(a) (b)

Desempenho (2/2)Desempenho (2/2)

Matriz de ConfusãoMatriz de Confusão• Classe 01 – PositivaClasse 01 – Positiva• Classe 10 – NegativaClasse 10 – Negativa

Classe Preditos Positivos Preditos Negativos Precisão da Classe Precisão Total

Positivos 7643 88 98,86172552 75,97051597Negativos 2357 87 3,559738134

Classe Preditos Positivos Preditos Negativos Precisão da Classe Precisão Total

Positivos 87 2357 3,559738134 75,97051597Negativos 88 7643 98,86172552

• Classe 01 – NegativaClasse 01 – Negativa• Classe 10 – PositivaClasse 10 – Positiva