Treinamento de Redes Neurais para Classificação de Padrões por Algoritmo Genético com Crossover Adaptado

- 84858
Artigo Completo
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Inúmeras análises de Algoritmos Evolucionários aplicados ao treinamento de redes neurais sugerem que são superiores tanto no tempo de processamento quanto na robustez do que métodos exatos para redes pequenas. Algoritmos Genéticos são da família dos Algoritmos Evolutivos, conhecidos por serem eficientes para resolver muitas classes de problemas. Neste artigo, propomos uma adaptação de um método eficiente de cruzamento para otimização de valor real restrito chamado KX para treinar redes neurais. O operador considera a direção na qual cada variável de uma solução candidata tende a melhorar para guiar a descendência em direção a um possível ótimo, aumentando a convergência para a otimização. O AG modificado é testado em quatro conjuntos de dados diferentes e comparado com outros métodos baseados em gradiente e população. Os resultados indicam que este é adequado para pequenas redes com poucas saídas, família de problemas onde os Algoritmos Evolucionários dominam os métodos baseados em gradientes.

Instituições
  • 1 Centro Universirário do Estado do Pará
  • 2 Centro Universitário do Estado do Pará
  • 3 Universidade Federal Rural da Amazônia
  • 4 Universidade Federal do Pará (UFPA)
Eixo Temático
  • MH – Metaheuristicas
Palavras-chave
Genetic Algorithm
CROSSOVER
neural networks