| dc.contributor | LUDERMIR, Teresa Bernarda | |
| dc.creator | ZARTH, Antonio Miguel Faustini | |
| dc.date | 2014-06-12T15:57:14Z | |
| dc.date | 2014-06-12T15:57:14Z | |
| dc.date | 2010-01-31 | |
| dc.identifier | Miguel Faustini Zarth, Antonio; Bernarda Ludermir, Teresa. Otimização evolucionária multimodal de redes neurais artificiais com evolução diferencial. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2010. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/2353 | |
| dc.description | Este trabalho propõe uma metodologia de otimização multimodal e simultânea de pesos e arquiteturas de Redes Neurais Artificiais (RNAs) com Evolução Diferencial. O sistema neural
híbrido proposto busca por arquiteturas de forma construtiva e realiza o ajuste dos pesos invasivamente, dispensando assim o uso de algoritmos de treinamento por correção de erros.
A motivação para o desenvolvimento do presente trabalho é propor uma abordagem que contorne a sensibilidade natural dos métodos construtivos e invasivos aos mínimos locais , tanto na busca de arquiteturas, quanto no ajuste dos pesos das RNAs. Para isto, utilizou-se uma estraté-
gia implícita de manutenção da diversidade inspirada na computação evolucionária paralela. A
combinação desta estratégia em um sistema neural híbrido, assim como sua adaptação em uma
metodologia construtiva e invasiva, é a principal inovação deste trabalho.
Como base evolucionária da metodologia proposta, foram utilizadas a Evolução Diferencial
em sua forma original e também uma recente variação deste algoritmo, a Evolução Diferencial
baseada em Oposição. Desta forma, esta dissertação possui dois objetivos primários: (1) avaliar a performance da metodologia proposta comparando com outros sistemas neurais híbridos
encontrados na literatura; (2) avaliar e comparar o desempenho dos dois algoritmos evolucionários utilizados na otimização de redes neurais.
Os experimentos foram conduzidos com o propósito de otimizar redes Multi-Layer Perceptron (MLP) para problemas de classificação. Os critérios utilizados para análise de performance
do método foram a capacidade de generalização, tamanho da arquitetura encontrada e tempo
de convergência. Os resultados obtidos indicam que o método proposto possui grande capacidade de generalização com qualidade de resposta superior ou equivalente a muitos métodos
encontrados na literatura, e geralmente com menor arquitetura. Além do mais, a metodologia
multimodal proposta obteve estes bons resultados com velocidade plausível, necessitando de
poucos segundos para convergir. Estas análises ressaltam a boa performance geral do sistema
neural híbrido proposto, cuja característica uni-modular sugere que bons resultados podem ser
obtidos sem excessiva complexidade e em tempo hábil | |
| dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.subject | Sistemas Híbridos Inteligentes | |
| dc.subject | Redes Neurais Artifi | |
| dc.subject | ciais | |
| dc.subject | Evolução Diferencial | |
| dc.subject | Otimização de Pesos | |
| dc.subject | Arquitetura | |
| dc.title | Otimização evolucionária multimodal de redes neurais artificiais com evolução diferencial | |
| dc.type | masterThesis | |
