Submitted by camilla martins (camillasmmartins@gmail.com) on 2017-01-10T18:24:56Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Tese_UmaMetodologiaBiologicamenteInspirada.pdf: 6813858 bytes, checksum: e9f8d255746d2cab6cd257d65d193c43 (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-01-11T13:53:34Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Tese_UmaMetodologiaBiologicamenteInspirada.pdf: 6813858 bytes, checksum: e9f8d255746d2cab6cd257d65d193c43 (MD5) / Made available in DSpace on 2017-01-11T13:53:34Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Tese_UmaMetodologiaBiologicamenteInspirada.pdf: 6813858 bytes, checksum: e9f8d255746d2cab6cd257d65d193c43 (MD5)
Previous issue date: 2016-08-26 / Essa tese propõe um algoritmo neuro-evolutivo (ANE) que utiliza um esquema de codificação indireto compacto para representar seus genótipos (um conjunto de dez regras de produção de um sistema de lindenmayer com memória), além disso, possui a habilidade de reuso dos genótipos e automaticamente construir redes neurais modulares, hierárquicas e recorrentes. Um algoritmo genético evolui um sistema de lindenmayer (sistema-l) que é usado para projetar a arquitetura de redes neurais. Essa codificação neural proporciona redução de escalabilidade e do espaço de busca em relação a outros métodos, possibilitando uma busca mais eficiente no espaço infinito de arquiteturas de redes neurais. Em adição, o sistema usa um mecanismo de checagem paralelo do genoma que aumenta o paralelismo implícito e a convergência do AG. A função fitness do ANE recompensa redes neurais que são facilmente implementadas. Essa é a primeira tentativa de gerar redes recorrentes a partir dessa combinação de metáforas. O ANE foi testado utilizando cinco bancos de dados do mundo real para classificação e três bens conhecidos para predição de séries temporais (PST). Os resultados são estatisticamente comparados com algoritmos proeminentes citados no estado da arte e com vários métodos de predição (ADANN, ARIMA, UCM e Forecast Pro®). Na maioria dos casos, o ANE superou os outros métodos produzindo classificação e predição de séries temporais mais precisas com um menor esforço computacional. Esses resultados são atribuídos a melhoria da eficácia e eficiência no processo de tomada de decisão. O resultado é uma arquitetura de rede neural otimizada para resolver problemas de classificação e simular problemas dinâmicos. / This thesis proposes a hybrid neuro-evolutive algorithm (NEA) that uses a compact indirect
encoding scheme (IES) for representing its genotypes (a set of ten production rules of a
Lindenmayer System with memory), moreover has the ability to reuse the genotypes and
automatically build modular, hierarchical and recurrent neural networks. A genetic algorithm
(GA) evolves a Lindenmayer System (L-System) that is used to design the neural network’s
architecture. This basic neural codification confers scalability and search space reduction in
relation to other methods. Furthermore, the system uses a parallel genome scan engine that
increases both the implicit parallelism and convergence of the GA. The fitness function of the
NEA rewards economical artificial neural networks (ANNs) that are easily implemented. The
NEA was tested on five real-world classification datasets and three well-known datasets for
time series forecasting (TSF). The results are statistically compared against established stateof-
the-art algorithms and various forecasting methods (ADANN, ARIMA, UCM, and Forecast
Pro®). In most cases, our NEA outperformed the other methods, delivering the most accurate
classification and time series forecasting with the least computational effort. These superior
results are attributed to the improved effectiveness and efficiency of NEA in the decisionmaking
process. The result is an optimized neural network architecture for solving
classification problems and simulating dynamical systems.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpa.br:2011/7278 |
| Date | 26 August 2016 |
| Creators | CAMPOS, Lidio Mauro Lima de |
| Contributors | OLIVEIRA, Roberto Célio Limão de, ROISENBERG, Mauro |
| Publisher | Universidade Federal do Pará, Programa de Pós-Graduação em Engenharia Elétrica, UFPA, Brasil, Instituto de Tecnologia |
| 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 UFPA, instname:Universidade Federal do Pará, instacron:UFPA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds