Veja o tutorial aqui <-
04/07/2009
01/07/2009
17/05/2009
Video Tutoriais – Blender
Faz algum tempo que não posto nada aqui – muita correria – mas logo voltarei a postar com mais frequencia.
Vai ai o link para os vídeo tutoriais do Tio Ilmo:
http://www.4shared.com/dir/4170879/a9a07efe/Video_Tutos.html
Ótima oportunidade pra quem quer aprender a mexer no Blender.
21/04/2009
Sistemas Imunologicos Artificiais
(Atualizado.)
Esse é um resumo que entreguei para meu orientador, – Meio que uma tradução do livro que coloquei nas referências, alguns termos eu não consegui traduzir mas da pra entender – em breve postarei mais sobre AIS.
Sistemas Imunológicos Artificiais
Os seres vivos precisam de muitos recursos (matéria e energia) que são encontrados em seu ambiente. Assim, eles são uma rica fonte desses recursos, por essa razão muitos organismos tentam explorá-los.
Esses organismos exploradores ou invasores são chamados de patógenos (pathogen) enquanto o organismo atacado é chamado de hospedeiro (host).
O sistema imunológico é o conjunto de defesas (ou respostas) do corpo contra os organismos invasores, ele é composto por diversos conjuntos de células e moléculas que trabalham em colaboração com outros sistemas. Sua função é detectar o patógeno e eliminá-lo com um custo mínimo em termos de recursos e danos ao host.
O sistema imunológico pode ser dividido em dois tipos de proteção (referente a células e moléculas):
- Sistema Inato (innate immunity) – São as respostas imunológicas que não são modificadas durante todo ciclo de vida do host, não direciona suas ações contra um invasor especifico no corpo, mas contra qualquer patógeno que entre no corpo.
- Sistema Adaptativo (Adaptive immunity) – São as respostas imunológicas que são trocadas e evoluídas durante o ciclo de vida, se adaptam para novos patógenos.
Sistema Inato
Desde que um patógeno quebra as barreiras físicas do corpo, o sistema imunológico precisa reconhecer e destruir o invasor. Contudo, ele deve distinguir as células invasoras das células do host. Geralmente existem algumas estruturas moleculares que são encontradas no patógeno e não em células saudáveis do host. Para conseguir identificar os possíveis patógenos o sistema inato conta com seus detectores (immune detectors), eles carregam receptores de reconhecimento de padrão (pattern recognition receptors – PRRs). Qualquer estrutura que carregar um padrão que pode ser reconhecido pelo PRR é chamada de antígeno (antigen). A estrutura de um antígeno que é reconhecida por um PRR é chamado de determinante antigênico (antigenic determinant) ou epitope. Algumas estruturas do host também podem ser reconhecidas como antígenos, para diferenciá-las chamamos essas estruturas do host de auto-antigenos (autoantigen) e as estruturas que definem um padrão que somente um patógeno tem é chamado de PAMPs (pathogen-associated molecular patterns).
Quando um antígeno é reconhecido por um detector como um patógeno, o detector deve ativar os elementos que atacam e destroem o patógeno (immune effectors).
Sistema Adaptativo
Como a sistema inato, o sistema adaptativo usa uma coleção de detectores e effectors, a diferença é que ambos podem mudar (no sentido de se adaptar) durante o tempo de vida do host.
Para gerar os detectores podemos gerar uma grande variedade de PRRs com estruturas randômicas e aplicar um processo de seleção. A primeira vista, não é fácil o sistema diferenciar um patógeno de uma célula do host, a solução para esse problema é usar o conceito de ’contexto’. O sistema inato colabora marcando algumas regiões do host como áreas de perigo. Padrões encontrados em áreas de perigo são assumidos como potenciais patógenos.
Essas zonas de perigo podem variar conforme os sinais de perigo. A primeira categoria de sinais de perigo corresponde aos PAMPs que são reconhecidos pelo sistema inato e revela a presença de patógenos no host. Outro sinal de perigo pode ser lançado quando uma célula do host morre devido a um ataque.
Referencias:
Bio-Inspired Artificial Intelligence – Theories Methods and Technologies. [ Dario Floreano, Claudio Mattiussi ]
10/04/2009
Algoritmo Perceptron
O Perceptron é uma rede com apenas uma camada de neurônios. (A camada de entrada vou tratar como uma camada de receptores)
Temos duas classe – Neuronio e Perceptron – onde Neuronio representa um simples neuronio e Perceptron a rede. Nas duas classes tem 2 métodos que são fundamentais para o funcionamento da rede: Um método para “disparar” – Calcular a saída a partir do padrão apresentado – e um método para o treino.
O Neuronio aqui tem 9 componentes:
- Numero de entradas – Guarda o tamanho do vetor de entradas
- Entradas – Vetor de entrada
- Pesos – Vetor de pesos
- Threshold – Limiar do neuronio
- Saida – Saida do neuronio após a função de ativação
- Erro – Erro da saida do neuronio em relação a saida desejada
- Soma – A “saida” antes da função de ativação
- Bias – É o termo de polarização, geralmente esse valor é 1
- Peso bias – Peso ligado ao temo Bias
Outro valor muito importante é a taxa de aprendizado, ela diz a velocidade da mudança de pesos.
Treinamento da rede:
Treinamento do neuronio:
