Treinamento de redes neurais utilizando um algoritmo de pontos interiores e direções viáveis com restrições de caixa

Este trabalho propõe o treinamento de redes neurais artificiais utilizando o algoritmo de pontos interiores FDIPA (Feasible Direction Interior-Point Algorithm), adaptado para incluir restrições de caixa nos pesos da rede. Diferentemente de abordagens anteriores que limitavam os pesos ao interior de uma hipersfera, a nova formulação impõe limites inferiores e superiores individuais para cada parâmetro, transformando o problema em uma otimização com restrições lineares.