Treinamento de uma rede neural de base radial usando computação evolutiva: implementação e aplicações

Abstract

Este trabalho apresenta a implementação de uma Rede Neural de Base Radial (RNBR) utilizando tecnologia 0.8æm BiCMOS da ÁustriaMicroSystems (AMS) e seu respectivo treinamento utilizando a Computação Evolucionária (CE). O Algoritmo Genético (AG) foi o algoritmo de treinamento utilizado, pois é de simples operação, fácil implementação, eficaz na busca da região onde, provavelmente, encontra-se o mínimo global e é aplicável em situações onde não se conhece o modelo matemático ou este é impreciso. A finalidade deste trabalho é mostrar a capacidade de se fazer o treinamento de uma rede neural em um hardware, utilizando a Computação Evolucionária. Para demonstrar a viabilidade desta rede foram implementadas duas aplicações: a conversão de um sinal triangular em um sinal senoidal e a linearização de um oscilador controlado por tensão. Os resultados experimentais obtidos mostram a viabilidade deste treinamento.

This work describes the implementation of Radial Basis Neural Netwoks (RBNN) in 0.8æm BiCMOS technology of AustriaMicroSystems (AMS) and it is training using the Evolutionary Computation. The Genetic Algoritmic (AG) was the training algorithmic choice due its simple operation, easy implementation and efficient way to find the minimum global point. Also it can be applied when the mathematical model was not well formulated or inaccurate. The aim of this work is show the capacity of training the neural network implemented in hardware using the Evolutionary Computation. For show the feasibility of this neural network two application were implemented: the triangular sinusoidal signal conversion and the voltage controlled oscillator linearization. The experimental results show the feasibility of this training.