Projeto da camada oculta de uma rede neural RBF: uma abordagem baseada no valor de Shapley

• Autor(a) principal: Sandes, Nelson Carvalho
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UNIFOR
• Texto Completo: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/100076
• topic: Redes neurais; Algoritmos; Teoria dos jogos

Redes neurais de função de base radial (redes RBF) são modelos neurais compostos de uma camada de entrada, uma camada escondida e uma camada de saída de neurônios. Por exibirem a propriedade de aproximação universal de funções contínuas, tais modelos são muito utilizados para resolver roblemas de regressão. A escolha do tipo e dos parâmetros (notadamente, centro e dispersão) das funções de base radial que compõem a camada oculta de uma rede RBF pode afetar sobremaneira a sua acurácia, sendo que algoritmos tais como orthogonal least squares (OLS), fast recursive algorithm (FRA) e two-stage selection (TSS), vêm sendo desenvolvidos para resolver essa tarefa de forma automática. Neste contexto, o presente trabalho também aborda o problema de seleção de centros de redes RBF, porém lançando mão de conceitos da área de teoria dos jogos cooperativos (TJC). Esse campo de pesquisa investiga soluções formais para o problema de se dividir a recompensa adquirida por uma coalizão de jogadores entre os seus membros, levando-se em consideração a contribuição de cada um deles. Em particular, na abordagem proposta aqui, a camada oculta de uma rede neural RBF é modelada como uma coalizão ao passo que os centros dos neurônios que a compõem são tratados como jogadores. A contribuição de cada candidato a centro aos desempenhos das redes em que ele participa é mensurada mediante o valor de Shapley, que é um dos conceitos de solução mais investigados na TJC, dadas as propriedades teóricas relevantes que ele apresenta. Dois algoritmos são propostos com base no valor de Shapley para ranquear os centros, sendo que a seleção da ordem do modelo final de rede RBF é feita com base nesse ranqueamento e adota o critério de informação de Akaike. Enquanto o primeiro algoritmo de ranqueamento avalia a qualidade dos centros em uma única iteração, o segundo algoritmo é de natureza construtiva, sendo que o centro recrutado na iteração k influencia nas avaliações dos demais neurônios nas próximas iterações. No estudo experimental realizado, o desempenho da nova abordagem foi avaliado com base em quatro problemas de regressão bem conhecidos, comparando-se a qualidade preditiva das redes RBF produzidas pelos dois algoritmos propostos com aquela gerada pela redes produzidas pelos algoritmos OLS, FRA e TSS. Os resultados obtidos mostram que a abordagem baseada na TJC é eficaz, considerando particularmente o algoritmo construtivo, que apresentou resultados competitivos aos algoritmos estado-da-arte. Por outro lado, os dois algoritmos propostos perdem no quesito eficiência, possuindo um custo computacional mais elevado. Palavras-chave: Redes Neurais RBF, Função de Base Radial, Seleção de Centros, Teoria dos Jogos Cooperativos, Valor de Shapley, Regressão.