Avaliação de técnicas de regularização aplicadas as redes neurais nebulosas

• Autor(a) principal: Paulo Vitor de Campos Souza
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUBD-A46LSF
• topic: Regularização; Bootstrap lasso; Redes neurais nebulosas; Neurônios lógicos nebulosos; Bootstrap (Estatística); Engenharia elétrica; Redes neurais (Computação); Neurônios

Este trabalho propõe um novo algoritmo de treinamento para redes neurais nebulosas que é capaz de gerar modelos parcimoniosos e com algum grau de interpretabilidade. Em alguns casos, como em redes neurais nebulosas, o aprendizado pode-se tornar uma tarefa muito complexa e lenta. Nesse trabalho o aprendizado é realizado baseando-se em conceitos de máquinas de aprendizado extremo para estimativa dos parâmetros e em uma técnica de seleção de características baseada em regularização e reamostragem, denominada bootstrap lasso, para definição da topologia da rede. A utilização da regularização nas camadas internas do modelo permite que este seja mais preciso em suas respostas e que um conjunto de regras nebulosas seja extraído de sua topologia possibilitando a interpretabilidade dos resultados obtidos. Experimentos numéricos são apresentados para problemas de classificação de padrões utilizando bases reais de pequenas e grandes dimensões. Os resultados obtidos são comparados a outros classificadores de referência na literatura. A análise estatística dos resultados sugere que o algoritmo proposto possui uma acurácia similar a modelos de máquina de aprendizado extremo regularizados, porém com uma topologia interpretável.