Projeto hÃbrido de redes neurais

AUTOR(ES)
DATA DE PUBLICAÇÃO

2001

RESUMO

As Redes Neurais Artificiais (RNAs) tÃm sido aplicadas com sucesso em uma diversidade de problemas do mundo real. Contudo, o sucesso dessas redes para um determinado problema depende muito de um projeto bem realizado. O projeto de redes neurais envolve a definiÃÃo de vÃrios parÃmetros, como, por exemplo, o tipo de rede, a arquitetura, o algoritmo de treinamento utilizado, os parÃmetros de treinamento, os critÃrios de parada, dentre outros. A automatizaÃÃo (total ou parcial) do projeto de RNAs tem como objetivos principais tornar o desempenho das redes menos sensÃvel a decisÃes erradas de um desenvolvedor inexperiente, alÃm de tornÃ-las acessÃveis a usuÃrios nÃo-especialistas em redes neurais. Como soluÃÃo para o problema da automatizaÃÃo, investigamos o uso de tÃcnicas de InteligÃncia Artificial que, quando integradas com as redes neurais, resultam em Sistemas Neurais HÃbridos (SNHs). Nessa dissertaÃÃo, apresentamos duas aplicaÃÃes desses Sistemas HÃbridos para a previsÃo de sÃries temporais, um problema de relevÃncia fundamental em muitos domÃnios do mundo real. Primeiramente, propomos um modelo de automatizaÃÃo integrando o RaciocÃnio Baseado em Casos (RBC) e os Algoritmos GenÃticos (AGs). No nosso modelo, o sistema de RBC mantÃm uma base de casos em que cada caso armazena a descriÃÃo de um problema resolvido com redes neurais e a soluÃÃo aplicada. Diante de um novo problema, uma consulta à feita à base de casos, recuperando as soluÃÃes usadas nos problemas mais similares. Essas soluÃÃes sÃo inseridas na populaÃÃo inicial dos AGs, que sÃo responsÃveis por adaptÃ-las. ApÃs a execuÃÃo dos AGs, a soluÃÃo final poderà ser inserida na base de casos, para auxiliar a soluÃÃo de problemas futuros. Como estudo de caso, aplicamos o modelo proposto para a otimizaÃÃo da arquitetura de modelos neurais de previsÃo. As redes geradas pelo modelo apresentaram maior poder de generalizaÃÃo, alÃm de um nÃmero menor de conexÃes de rede. Na segunda aplicaÃÃo de SNHs, investigamos o uso dos Algoritmos GenÃticos durante o aprendizado dos pesos de uma rede neural usada para a previsÃo de vazÃes em uma bacia hidrogrÃfica. Nessa aplicaÃÃo, os AGs foram usados para definir os pesos iniciais da rede para o algoritmo de Levenberg-Marquardt, formando assim um algoritmo de treinamento hÃbrido. O uso dos AGs aumentou o desempenho do aprendizado, principalmente em relaÃÃo ao tempo de treinamento. Nessa dissertaÃÃo, apresentamos as vantagens e limitaÃÃes dos dois SNHs desenvolvidos, alÃm de indicaÃÃes de trabalhos futuros

ASSUNTO(S)

redes neurais base de casos hibridismo ciencia da computacao

Documentos Relacionados