Acompanhe as principais atualizações e discussões sobre os trabalhos publicados em PIBIC 2021!
Kayol Mayer respondeu o tópico "Resultados obtidos."
Publicação: Predição de Séries Temporais Baseada em Redes Neurais Artificiais
Os resultados obtidos foram muito bons e fiquei bastante surpreso que a ESN atingiu melhores resultados que a LSTM, mesmo tendo uma arquitetura bem mais simples. Deixando de lado o critério da complexidade computacional, acho que seria interessante comparar os resultados com a BI-LSTM também, pois ela é uma evolução da LSTM para aprendizado de duas direções, i.e., do futuro para o passado e do passado para o futuro.
Você pretende comparar a ESN com outras técnicas de machine learning para predição de séries temporais? Por exemplo, o XGBoost possui baixa complexidade computacional e ótimo desempenho em trabalhos de predição.
Para reconstrução de atratores estranhos, Li e Ravela (2021) (DOI: 10.1109/TNNLS.2021.3087497) demonstram que MLPs com funções de ativação não lineares (excluindo a classe piecewise linear) são capazes de reconstruir essa dinâmica com poucas amostras de treino. Para isso, os autores demonstraram matematicamente que os requisitos para caos surgem naturalmente nos autovalores da combinação dos pesos sinápticos das MLPs, independente do número de camadas. Conforme feito por Li e Ravela (2021), você pretende utilizar uma abordagem matemática formal para explicar o aprendizado do caos com ESN?
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