Made available in DSpace on 2014-06-12T16:00:43Z (GMT). No. of bitstreams: 2
arquivo6893_1.pdf: 1450479 bytes, checksum: 95b4efd197f11e32606faea17b6fa02c (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esta dissertação apresenta um novo método de otimização de redes neurais artificiais para
composição de ensembles de redes neurais artificiais. O método proposto combina o
algoritmo evolucionário Evolução Diferencial com Vizinhança Global e Local (DEGL -
Differential Evolution with Global and Local Neighborhood) com três técnicas multimodais:
fitness sharing, especiação e simple subpopulation scheme.
Para uma boa generalização de um ensemble seus componentes devem apresentar
duas características: bom desempenho e diversidade. Como o poder de generalização de uma
rede neural artificial está intimamente relacionado à sua arquitetura e aos seus pesos iniciais,
para atingir bom desempenho, as redes neurais artificiais foram construídas de maneira
automática através do algoritmo evolucionário. Para manter a diversidade entre as redes e
para que um maior número de soluções ótimas fosse encontrado, técnicas multimodais foram
incorporadas ao algoritmo evolucionário.
O desempenho deste método é investigado através de experimentos realizados em
seis bases benchmarks de aprendizagem de máquina para problemas de classificação. O
método proposto se mostrou competitivo quando comparado a outros métodos da literatura e
estatisticamente relevante quando comparado a métodos baseados em seus componentes
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/2735 |
| Date | 31 January 2011 |
| Creators | MINEU, Nicole Luana |
| 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/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds