Modelos parametricos e não-parametricos de redes neurais artificiais e aplicações

AUTOR(ES)

Fernando Jose von Zuben

DATA DE PUBLICAÇÃO

1996

RESUMO

Esta tese apresenta métodos de análise e síntese de modelos paramétricos e nãoparamétricos de redes neurais artificiais, utilizando resultados derivados da teoria de aproximação de funções e análise numérica. A flexibilidade destas estruturas conexionistas não-lineares é explorada com base em técnicas de regularização e métodos de otimização nãolinear irrestrita. A rede neural não-paramétrica resultante realiza mapeamentos não-lineares estáticos via métodos construtivos caracterizados por redução de dimensionalidade e propriedades de aproximação bem-definidas. Estruturas genéricas de processamento dinâmico não-linear podem ser obtidas via redes neurais multicamadas recorrentes, que são modelos paramétricos tendo redes neurais multicamadas não-recorrentes como caso particular. É investigado um conjunto de problemas não-lineares, cujas soluções são formuladas de modo a permitir a aplicação direta dos modelos de redes neurais desenvolvidos

ASSUNTO(S)

modelos matematicos teoria da aproximação otimização matematica redes neurais (computação)

Documentos Relacionados

• Mensurando a eficiência no sistema judiciário: métodos paramétricos e não-paramétricos
• Metodos não-parametricos para a analise de curvas de resposta
• Combinação de métodos paramétricos e não-paramétricos na análise de estabilidade de cultivares de cana-de-açúcar
• Seleção de pré-cultivares de milho-pipoca baseado em índices não-paramétricos
• GRADUATION METHODS UNDER PARAMETRIC AND NON-PARAMETRIC MODELS FOR SELECT AND ULTIMATE TABLES