Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2018-85564
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!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.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo