| dc.contributor | Ludermir, Teresa Bernarda | |
| dc.creator | Zanchettin, Cleber | |
| dc.date | 2014-06-12T15:48:49Z | |
| dc.date | 2014-06-12T15:48:49Z | |
| dc.date | 2008-01-31 | |
| dc.identifier | Zanchettin, Cleber; Bernarda Ludermir, Teresa. Otimização Global em Redes Neurais Artificiais. 2008. Tese (Doutorado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2008. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/1288 | |
| dc.description | Esta tese apresenta um método de otimização global e local, baseado na integração das
heurísticas das técnicas Simulated Annealing, Tabu Search, Algoritmos Genéticos e
Backpropagation.
O desempenho deste método é investigado na otimização simultânea da topologia e dos valores
dos pesos das conexões entre as unidades de processamento de redes neurais artificiais Multi-layer
Perceptron, a fim de gerar topologias com poucas conexões e alto desempenho para qualquer
conjunto de dados. A heurística proposta realiza a busca de forma construtiva e baseada na poda
das conexões entre as unidades de processamento da rede. Assim, são geradas redes com
arquitetura variável e que podem ser ajustadas para cada problema de forma automática.
Experimentos demonstram que o método pode também ser utilizado para a seleção de atributos
relevantes. Durante a otimização da arquitetura da rede, unidades de processamento de entrada
podem ser eliminadas de acordo com sua relevância para o desempenho do modelo. Desta forma, é
obtida uma seleção de atributos inerente ao processo de otimização das redes neurais artificiais.
Os principais parâmetros de configuração do método tiveram sua influência estimada através
da técnica de planejamento fatorial de experimentos. Com base no planejamento fatorial de
experimentos, foi possível verificar a influência, interação e a inter-relação entre os parâmetros de
configuração do modelo. Estas análises são importantes para identificar a influência de cada
parâmetro e possivelmente diminuir a quantidade de parâmetros ajustáveis no projeto deste
método.
Nesta tese são realizados experimentos com cinco diferentes bases de dados de classificação e
duas bases de dados de previsão. A técnica proposta apresentou resultados estatisticamente
relevantes em comparação com outras técnicas de otimização global e local | |
| dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.subject | Otimização global | |
| dc.subject | redes neurais artificiais | |
| dc.subject | seleção de atributos relevantes | |
| dc.subject | planejamento de experimentos | |
| dc.title | Otimização Global em Redes Neurais Artificiais | |
| dc.type | doctoralThesis | |
