|
|
Registro Completo |
Biblioteca(s): |
Embrapa Instrumentação. |
Data corrente: |
23/05/2005 |
Data da última atualização: |
23/05/2005 |
Autoria: |
TEIXEIRA, R. de A. |
Título: |
Treinamento de redes neurais artificiais através de otimização multi-objetivo: uma nova abordagem para o equilíbrio entre a polarização e a variância. |
Ano de publicação: |
2001 |
Fonte/Imprenta: |
Belo Horizonte, 2001. |
Páginas: |
168 p. |
Descrição Física: |
1 CD-ROM |
Idioma: |
Português |
Notas: |
Tese ( Doutorado ) - Universidade Federal de Minas Gerais.
Orientador: Antônio de Pádua Braga.
Co-Orientadores : Ricardo H. C. Takahashi e Rodney R. Saldanha. |
Conteúdo: |
Neste trabalho é desenvolvido um novo método para treinamento de Redes Neurais Artifi
ciais (RNAs) do tipo Perceptron Multi-camadas (Multilayer Perceptron-MLP) utilizando-
se técnicas de otimização multi-objetivo para encontrar soluções com alta capacidade de
generalização.
Na abordagem proposta, além de ser utilizado o erro quadrático como função de custo,
utiliza-se também a função norma do vetor de pesos como um segundo objetivo. Estas
duas funções são minimizadas e como consequência deste processo, obtém-se um conjunto de soluções chamadas Pareto-ótimas.
Através de um decisor, estas soluções são avaliadas e apenas uma delas é escolhida
como solução final, a qual equilibra os efeitos da polarização e da variância resultando
em alta capacidade de generalização dada uma determinada realização do conjunto de
treinamento.
O método multi-objetivo proposto controla a flexibilidade do modelo independente-
mente da quantidade de pesos existente na rede, a partir de uma estrutura mínima. Além
disso, a utilização de parâmetros de treinamento apesar de ser necessária, influencia pouco a solução final, o que faz com que a escolha destes parâmetros seja uma tarefa simples.
Além do algoritmo multi-objetivo proposto e do algoritmo Backpropagation, métodos
conhecidos os quais também visam ao aumento da capacidade de generalização como 10-Fold Cross-Validation, Early Stopping, Optimal Brain Damage, Weight Decay e Support
Vector Machines são abordados. Uma análise qualitativa e quantitativa dos algoritmos
é feita, através da qual pode-se observar a superioridade do método proposto, sendo o
mesmo capaz de gerar soluções com alta capacidade de generalização de forma simples e eficiente. MenosNeste trabalho é desenvolvido um novo método para treinamento de Redes Neurais Artifi
ciais (RNAs) do tipo Perceptron Multi-camadas (Multilayer Perceptron-MLP) utilizando-
se técnicas de otimização multi-objetivo para encontrar soluções com alta capacidade de
generalização.
Na abordagem proposta, além de ser utilizado o erro quadrático como função de custo,
utiliza-se também a função norma do vetor de pesos como um segundo objetivo. Estas
duas funções são minimizadas e como consequência deste processo, obtém-se um conjunto de soluções chamadas Pareto-ótimas.
Através de um decisor, estas soluções são avaliadas e apenas uma delas é escolhida
como solução final, a qual equilibra os efeitos da polarização e da variância resultando
em alta capacidade de generalização dada uma determinada realização do conjunto de
treinamento.
O método multi-objetivo proposto controla a flexibilidade do modelo independente-
mente da quantidade de pesos existente na rede, a partir de uma estrutura mínima. Além
disso, a utilização de parâmetros de treinamento apesar de ser necessária, influencia pouco a solução final, o que faz com que a escolha destes parâmetros seja uma tarefa simples.
Além do algoritmo multi-objetivo proposto e do algoritmo Backpropagation, métodos
conhecidos os quais também visam ao aumento da capacidade de generalização como 10-Fold Cross-Validation, Early Stopping, Optimal Brain Damage, Weight Decay e Support
Vector Machines são abordados. Uma análise qualitativa e quantitativ... Mostrar Tudo |
Palavras-Chave: |
decisor; otimização; Pareto-ótimas; polarização; quadrático; Redes Neurais Artificiais; RNAs; variância. |
Thesagro: |
Vetor. |
Categoria do assunto: |
-- |
Marc: |
LEADER 02611nam a2200241 a 4500 001 1028983 005 2005-05-23 008 2001 bl uuuu m 00u1 u #d 100 1 $aTEIXEIRA, R. de A. 245 $aTreinamento de redes neurais artificiais através de otimização multi-objetivo$buma nova abordagem para o equilíbrio entre a polarização e a variância. 260 $aBelo Horizonte$c2001 300 $a168 p.$c1 CD-ROM 500 $aTese ( Doutorado ) - Universidade Federal de Minas Gerais. Orientador: Antônio de Pádua Braga. Co-Orientadores : Ricardo H. C. Takahashi e Rodney R. Saldanha. 520 $aNeste trabalho é desenvolvido um novo método para treinamento de Redes Neurais Artifi ciais (RNAs) do tipo Perceptron Multi-camadas (Multilayer Perceptron-MLP) utilizando- se técnicas de otimização multi-objetivo para encontrar soluções com alta capacidade de generalização. Na abordagem proposta, além de ser utilizado o erro quadrático como função de custo, utiliza-se também a função norma do vetor de pesos como um segundo objetivo. Estas duas funções são minimizadas e como consequência deste processo, obtém-se um conjunto de soluções chamadas Pareto-ótimas. Através de um decisor, estas soluções são avaliadas e apenas uma delas é escolhida como solução final, a qual equilibra os efeitos da polarização e da variância resultando em alta capacidade de generalização dada uma determinada realização do conjunto de treinamento. O método multi-objetivo proposto controla a flexibilidade do modelo independente- mente da quantidade de pesos existente na rede, a partir de uma estrutura mínima. Além disso, a utilização de parâmetros de treinamento apesar de ser necessária, influencia pouco a solução final, o que faz com que a escolha destes parâmetros seja uma tarefa simples. Além do algoritmo multi-objetivo proposto e do algoritmo Backpropagation, métodos conhecidos os quais também visam ao aumento da capacidade de generalização como 10-Fold Cross-Validation, Early Stopping, Optimal Brain Damage, Weight Decay e Support Vector Machines são abordados. Uma análise qualitativa e quantitativa dos algoritmos é feita, através da qual pode-se observar a superioridade do método proposto, sendo o mesmo capaz de gerar soluções com alta capacidade de generalização de forma simples e eficiente. 650 $aVetor 653 $adecisor 653 $aotimização 653 $aPareto-ótimas 653 $apolarização 653 $aquadrático 653 $aRedes Neurais Artificiais 653 $aRNAs 653 $avariância
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Amazônia Oriental. |
Data corrente: |
28/05/1999 |
Data da última atualização: |
18/04/2012 |
Autoria: |
MARTINS-DA-SILVA, R. C. V.; FERREIRA, G. C. |
Afiliação: |
REGINA CELIA VIANA MARTINS DA SILVA, CPATU; BOLSISTA PIBIC/CNPQ. |
Título: |
Levantamento de Meliaceae do Herbário IAN (Belém, PA). |
Ano de publicação: |
1999 |
Fonte/Imprenta: |
In: SIMPÓSIO SILVICULTURA NA AMAZÔNIA ORIENTAL: contribuições do Projeto Embrapa/DFID, 1999, Belém, PA. Resumos expandidos. Belém, PA: EMBRAPA-CPATU: DFID, 1999. |
Páginas: |
p. 57-63. |
Série: |
(EMBRAPA-CPATU. Documentos, 123). |
Idioma: |
Português |
Palavras-Chave: |
Belém; Brasil; Herbário IAN; Information processing; Informatização; Pará. |
Thesagro: |
Coleção de Planta; Meliaceae. |
Thesaurus NAL: |
herbaria; plant collections. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/57950/1/Doc123-p57-63.pdf
|
Marc: |
LEADER 00820nam a2200253 a 4500 001 1394961 005 2012-04-18 008 1999 bl uuuu u00u1 u #d 100 1 $aMARTINS-DA-SILVA, R. C. V. 245 $aLevantamento de Meliaceae do Herbário IAN (Belém, PA). 260 $aIn: SIMPÓSIO SILVICULTURA NA AMAZÔNIA ORIENTAL: contribuições do Projeto Embrapa/DFID, 1999, Belém, PA. Resumos expandidos. Belém, PA: EMBRAPA-CPATU: DFID$c1999 300 $ap. 57-63. 490 $a(EMBRAPA-CPATU. Documentos, 123). 650 $aherbaria 650 $aplant collections 650 $aColeção de Planta 650 $aMeliaceae 653 $aBelém 653 $aBrasil 653 $aHerbário IAN 653 $aInformation processing 653 $aInformatização 653 $aPará 700 1 $aFERREIRA, G. C.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Amazônia Oriental (CPATU) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|