Made available in DSpace on 2014-06-12T15:52:35Z (GMT). No. of bitstreams: 2
arquivo4481_1.pdf: 1105697 bytes, checksum: bcb1507df6f4936462ce960446e5b137 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2004 / Este trabalho propõe uma metodologia para a otimização global de redes neurais. O
objetivo é a otimização simultânea de arquiteturas e pesos de redes Multi-Layer
Perceptron (MLP), com o intuito de gerar topologias com poucas conexões e alto
desempenho de classificação para qualquer conjunto de dados.
A otimização simultânea de arquiteturas e pesos de redes neurais é uma
abordagem interessante para a geração de redes eficientes com topologias pequenas. Tal
aplicação já originou alguns trabalhos com algoritmos genéticos, entretanto existem
outras técnicas, como simulated annealing e tabu search, que ainda não foram
exploradas para esta finalidade até o presente momento.
Métodos de otimização global podem ser combinados com uma técnica baseada
em gradiente (por exemplo, o algoritmo backpropagation) em uma abordagem de
treinamento híbrido, que procura unir, no mesmo sistema, a eficiência global dos
métodos de otimização com o ajuste fino das técnicas baseadas em gradiente. Tal
combinação não tem sido estudada para simulated annealing e tabu search, e isto gerou
outra motivação para o presente trabalho.
Os resultados mostram que a combinação cuidadosa de técnicas tradicionais de
otimização global, como simulated annealing e tabu search, com redes neurais artificiais
e métodos baseados em gradiente é capaz de produzir sistemas híbridos bastante
eficientes. Por este motivo, uma metodologia foi desenvolvida, combinando as
vantagens de simulated annealing, de tabu search e do treinamento híbrido, a fim de
gerar um processo automático para obter redes MLP com topologias pequenas e alto
desempenho de generalização.
Esta metodologia representa um grande avanço na área de sistemas neurais
híbridos e fornece resultados importantes para diversas aplicações práticas. Este
trabalho apresenta resultados da aplicação da metodologia proposta em dois domínios
práticos: reconhecimento de odores em um nariz artificial e diagnóstico de diabetes. Em
ambos os casos, a metodologia obteve resultados satisfatórios e gerou redes com baixo
erro de generalização e baixa complexidade. Tais resultados são extremamente
importantes para mostrar que a combinação de técnicas de otimização é capaz de
produzir sistemas híbridos superiores
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1819 |
Date | January 2004 |
Creators | YAMAZAKI, Akio |
Contributors | LUDERMIR, Teresa Bernarda |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds