Treinamento de redes perceptron utilizando janela dinâmica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
Texto Completo: | http://repositorio.ufes.br/handle/10/9587 |
Resumo: | In this work we discuss neural networks and the bias-variance dilemma. We propose the Window method to be inserted into supervisioned neural training with noise data. The method has an intrinsic caracteristic of regularization, because it tries to eliminate noise while the network is beeing trained, reducing its in uence of the adjustment of network weights. We implement and analize the method in adaptive logic networks (ALN) and at multilayer perceptrons (MLP). Finally, we test the network in aplications as function aproximation, adaptive lters and time series prediction. |
id |
UFES_88652ae01e52b03b833176d3146f5570 |
---|---|
oai_identifier_str |
oai:repositorio.ufes.br:10/9587 |
network_acronym_str |
UFES |
network_name_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
repository_id_str |
2108 |
spelling |
Schneebeli, Hans Jorg AndreasSalles, Evandro Ottoni TeatiniFassarella, Marcelo SouzaSalles, José Leandro FélixKrohling, Renato Antonio2018-08-02T00:00:48Z2018-08-012018-08-02T00:00:48Z2009-12-21In this work we discuss neural networks and the bias-variance dilemma. We propose the Window method to be inserted into supervisioned neural training with noise data. The method has an intrinsic caracteristic of regularization, because it tries to eliminate noise while the network is beeing trained, reducing its in uence of the adjustment of network weights. We implement and analize the method in adaptive logic networks (ALN) and at multilayer perceptrons (MLP). Finally, we test the network in aplications as function aproximation, adaptive lters and time series prediction.Neste trabalho apresentamos as redes neurais e o problema envolvendo o dilema bias-variância. Propomos o método da Janela a ser inserido no treinamento de redes supervisionadas com conjuntos de dados ruidosos. O método possui uma característica intrínseca de função regularizadora, já que procura eliminar ruídos durante a etapa de treinamento, reduzindo a in uência destes no ajuste dos pesos da rede. Implementamos e analisamos o método nas redes lógicas adaptivas (ALN) e nas redes perceptrons de múltiplas camadas (MLP). Por último, testamos a rede em aplicações de aproximação de funções, ltragem adaptiva e previsão de séries temporais.Texthttp://repositorio.ufes.br/handle/10/9587porUniversidade Federal do Espírito SantoMestrado em Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUFESBRCentro TecnológicoBioinformáticaFiltros elétricos digitaisRedes neurais (Computação)Controle de ruídoAprendizado do computadorEletrônica Industrial, Sistemas e Controles Eletrônicos621.3Treinamento de redes perceptron utilizando janela dinâmicainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALtese_2871_DissertacaoMestradoMarceloSouzaFassarella.pdfapplication/pdf4412674http://repositorio.ufes.br/bitstreams/8e1be11e-8f3d-4250-a9be-05438b6f19ef/downloadb98757b8830dc327c5ca5578387c8eaaMD5110/95872024-06-28 16:10:31.61oai:repositorio.ufes.br:10/9587http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-06-28T16:10:31Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false |
dc.title.none.fl_str_mv |
Treinamento de redes perceptron utilizando janela dinâmica |
title |
Treinamento de redes perceptron utilizando janela dinâmica |
spellingShingle |
Treinamento de redes perceptron utilizando janela dinâmica Fassarella, Marcelo Souza Eletrônica Industrial, Sistemas e Controles Eletrônicos Bioinformática Filtros elétricos digitais Redes neurais (Computação) Controle de ruído Aprendizado do computador 621.3 |
title_short |
Treinamento de redes perceptron utilizando janela dinâmica |
title_full |
Treinamento de redes perceptron utilizando janela dinâmica |
title_fullStr |
Treinamento de redes perceptron utilizando janela dinâmica |
title_full_unstemmed |
Treinamento de redes perceptron utilizando janela dinâmica |
title_sort |
Treinamento de redes perceptron utilizando janela dinâmica |
author |
Fassarella, Marcelo Souza |
author_facet |
Fassarella, Marcelo Souza |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Schneebeli, Hans Jorg Andreas |
dc.contributor.advisor1.fl_str_mv |
Salles, Evandro Ottoni Teatini |
dc.contributor.author.fl_str_mv |
Fassarella, Marcelo Souza |
dc.contributor.referee1.fl_str_mv |
Salles, José Leandro Félix |
dc.contributor.referee2.fl_str_mv |
Krohling, Renato Antonio |
contributor_str_mv |
Schneebeli, Hans Jorg Andreas Salles, Evandro Ottoni Teatini Salles, José Leandro Félix Krohling, Renato Antonio |
dc.subject.cnpq.fl_str_mv |
Eletrônica Industrial, Sistemas e Controles Eletrônicos |
topic |
Eletrônica Industrial, Sistemas e Controles Eletrônicos Bioinformática Filtros elétricos digitais Redes neurais (Computação) Controle de ruído Aprendizado do computador 621.3 |
dc.subject.br-rjbn.none.fl_str_mv |
Bioinformática Filtros elétricos digitais Redes neurais (Computação) Controle de ruído Aprendizado do computador |
dc.subject.udc.none.fl_str_mv |
621.3 |
description |
In this work we discuss neural networks and the bias-variance dilemma. We propose the Window method to be inserted into supervisioned neural training with noise data. The method has an intrinsic caracteristic of regularization, because it tries to eliminate noise while the network is beeing trained, reducing its in uence of the adjustment of network weights. We implement and analize the method in adaptive logic networks (ALN) and at multilayer perceptrons (MLP). Finally, we test the network in aplications as function aproximation, adaptive lters and time series prediction. |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-12-21 |
dc.date.accessioned.fl_str_mv |
2018-08-02T00:00:48Z |
dc.date.available.fl_str_mv |
2018-08-01 2018-08-02T00:00:48Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufes.br/handle/10/9587 |
url |
http://repositorio.ufes.br/handle/10/9587 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
Text |
dc.publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFES |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro Tecnológico |
publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) instname:Universidade Federal do Espírito Santo (UFES) instacron:UFES |
instname_str |
Universidade Federal do Espírito Santo (UFES) |
instacron_str |
UFES |
institution |
UFES |
reponame_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
collection |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
bitstream.url.fl_str_mv |
http://repositorio.ufes.br/bitstreams/8e1be11e-8f3d-4250-a9be-05438b6f19ef/download |
bitstream.checksum.fl_str_mv |
b98757b8830dc327c5ca5578387c8eaa |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES) |
repository.mail.fl_str_mv |
|
_version_ |
1804309141906259968 |