|
|
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 Ocidental; Embrapa Cocais. |
Data corrente: |
05/04/2016 |
Data da última atualização: |
27/02/2018 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
B - 3 |
Autoria: |
SILVA, E. F. da; SOUSA, S. B. de; SILVA, G. F. da; SOUSA, N. R.; NASCIMENTO FILHO, F. J. do; HANADA, R. E. |
Afiliação: |
Elizangela Farias da Silva; Sandra Barbosa de Sousa; GILVAN FERREIRA DA SILVA, CPAA; NELCIMAR REIS SOUSA, CPACP; FIRMINO JOSE DO NASCIMENTO FILHO, CPAA; Rogério Eiji Hanada, INPA. |
Título: |
TRAP and SRAP markers to find genetic variability in complex polyploid Paullinia cupana var. sorbilis. |
Ano de publicação: |
2016 |
Fonte/Imprenta: |
Plant Gene, v. 6, p. 43-47, 2016. |
DOI: |
doi:10.1016/j.plgene.2016.03.005 |
Idioma: |
Inglês |
Conteúdo: |
The guarana plant (Paullinia cupana var. sorbilis) is a polyploid rich in natural caffeine, used as a source for producing industrial soft drinks. Embrapa Western Amazon maintains an Active Germplasm Bank (BGA) with 270 clones, which represents the genetic basis of the species conservation and breeding programs. The BGA evaluations conducted using phenotypic traits and Random Amplified Polymorphic DNA (RAPD) markers indicated low genetic variability. Therefore, the objective of this study was to analyze the genetic diversity of the clonal germplasm of the guarana plant using Target Region Amplification Polymorphism (TRAP) and Sequence-Related Amplification Polymorphism (SRAP) markers. |
Palavras-Chave: |
Amazon germplasm; Clonal Cultivar; Guarana plant; Molecular marker. |
Thesagro: |
Germoplasma; Guaraná; Marcador Molecular; Paullinia Cupana; Variedade. |
Thesaurus NAL: |
germplasm. |
Categoria do assunto: |
-- X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/142194/1/1-s2.0-S2352407316000135-main.pdf
|
Marc: |
LEADER 01598naa a2200313 a 4500 001 2042648 005 2018-02-27 008 2016 bl uuuu u00u1 u #d 024 7 $adoi:10.1016/j.plgene.2016.03.005$2DOI 100 1 $aSILVA, E. F. da 245 $aTRAP and SRAP markers to find genetic variability in complex polyploid Paullinia cupana var. sorbilis.$h[electronic resource] 260 $c2016 520 $aThe guarana plant (Paullinia cupana var. sorbilis) is a polyploid rich in natural caffeine, used as a source for producing industrial soft drinks. Embrapa Western Amazon maintains an Active Germplasm Bank (BGA) with 270 clones, which represents the genetic basis of the species conservation and breeding programs. The BGA evaluations conducted using phenotypic traits and Random Amplified Polymorphic DNA (RAPD) markers indicated low genetic variability. Therefore, the objective of this study was to analyze the genetic diversity of the clonal germplasm of the guarana plant using Target Region Amplification Polymorphism (TRAP) and Sequence-Related Amplification Polymorphism (SRAP) markers. 650 $agermplasm 650 $aGermoplasma 650 $aGuaraná 650 $aMarcador Molecular 650 $aPaullinia Cupana 650 $aVariedade 653 $aAmazon germplasm 653 $aClonal Cultivar 653 $aGuarana plant 653 $aMolecular marker 700 1 $aSOUSA, S. B. de 700 1 $aSILVA, G. F. da 700 1 $aSOUSA, N. R. 700 1 $aNASCIMENTO FILHO, F. J. do 700 1 $aHANADA, R. E. 773 $tPlant Gene$gv. 6, p. 43-47, 2016.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Amazônia Ocidental (CPAA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|