Intervalos de predição para redes neurais artificiais via regressão não linear
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | http://repositorio.ufsc.br/xmlui/handle/123456789/91675 |
Resumo: | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. |
id |
UFSC_5849e704c0ff8b7e659fbbdd66193a2b |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/91675 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Universidade Federal de Santa CatarinaFerronato, GiulianoAndrade, Dalton Francisco de2012-10-24T01:24:51Z2012-10-24T01:24:51Z20082008258459http://repositorio.ufsc.br/xmlui/handle/123456789/91675Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação.Este trabalho descreve a aplicação de uma técnica de regressão não linear (mínimos quadrados) para obter predições intervalares em redes neurais artificiais (RNA#s). Através de uma simulação de Monte Carlo é mostrada uma maneira de escolher um ajuste de parâmetros (pesos) para uma rede neural, de acordo com um critério de seleção que é baseado na magnitude dos intervalos de predição fornecidos pela rede. Com esta técnica foi possível obter as predições intervalares com amplitude desejada e com probabilidade de cobertura conhecida, de acordo com um grau de confiança escolhido. Os resultados e as discussões associadas indicam ser possível e factível a obtenção destes intervalos, fazendo com que a resposta das redes seja mais informativa e consequentemente aumentando sua aplicabilidade. A implementação computacional está disponível em www.inf.ufsc.br/~dandrade. This work describes the application of a nonlinear regression technique (least squares) to create prediction intervals on artificial neural networks (ANN´s). Through Monte Carlo#s simulations it is shown a way of choosing the set of parameters (weights) to a neural network, according to a selection criteria based on the magnitude of the prediction intervals provided by the net. With this technique it is possible to obtain the prediction intervals with the desired amplitude and with known coverage probability, according to the chosen confidence level. The associated results and discussions indicate to be possible and feasible to obtain these intervals, thus making the network response more informative and consequently increasing its applicability. The computational implementation is available in www.inf.ufsc.br/~dandrade.1 v.| il., grafs. tabs.porFlorianópolis, SCInformaticaCiência da computaçãoMinimos quadradosPerceptronsPredicaoRedes neurais (Computação)Intervalos de predição para redes neurais artificiais via regressão não linearinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL258459.pdfapplication/pdf252997https://repositorio.ufsc.br/bitstream/123456789/91675/1/258459.pdfa0457bb78b352c0aab2bb1f48ab79985MD51TEXT258459.pdf.txt258459.pdf.txtExtracted Texttext/plain57724https://repositorio.ufsc.br/bitstream/123456789/91675/2/258459.pdf.txt602a7bfbc1bff17bc07c4b8de8ff107fMD52THUMBNAIL258459.pdf.jpg258459.pdf.jpgGenerated Thumbnailimage/jpeg707https://repositorio.ufsc.br/bitstream/123456789/91675/3/258459.pdf.jpg673eb773a1c9a281ec2c260b6a341261MD53123456789/916752013-04-30 06:52:07.603oai:repositorio.ufsc.br:123456789/91675Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732013-04-30T09:52:07Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.pt_BR.fl_str_mv |
Intervalos de predição para redes neurais artificiais via regressão não linear |
title |
Intervalos de predição para redes neurais artificiais via regressão não linear |
spellingShingle |
Intervalos de predição para redes neurais artificiais via regressão não linear Ferronato, Giuliano Informatica Ciência da computação Minimos quadrados Perceptrons Predicao Redes neurais (Computação) |
title_short |
Intervalos de predição para redes neurais artificiais via regressão não linear |
title_full |
Intervalos de predição para redes neurais artificiais via regressão não linear |
title_fullStr |
Intervalos de predição para redes neurais artificiais via regressão não linear |
title_full_unstemmed |
Intervalos de predição para redes neurais artificiais via regressão não linear |
title_sort |
Intervalos de predição para redes neurais artificiais via regressão não linear |
author |
Ferronato, Giuliano |
author_facet |
Ferronato, Giuliano |
author_role |
author |
dc.contributor.pt_BR.fl_str_mv |
Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Ferronato, Giuliano |
dc.contributor.advisor1.fl_str_mv |
Andrade, Dalton Francisco de |
contributor_str_mv |
Andrade, Dalton Francisco de |
dc.subject.classification.pt_BR.fl_str_mv |
Informatica Ciência da computação Minimos quadrados Perceptrons Predicao Redes neurais (Computação) |
topic |
Informatica Ciência da computação Minimos quadrados Perceptrons Predicao Redes neurais (Computação) |
description |
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. |
publishDate |
2008 |
dc.date.submitted.pt_BR.fl_str_mv |
2008 |
dc.date.issued.fl_str_mv |
2008 |
dc.date.accessioned.fl_str_mv |
2012-10-24T01:24:51Z |
dc.date.available.fl_str_mv |
2012-10-24T01:24:51Z |
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.ufsc.br/xmlui/handle/123456789/91675 |
dc.identifier.other.pt_BR.fl_str_mv |
258459 |
identifier_str_mv |
258459 |
url |
http://repositorio.ufsc.br/xmlui/handle/123456789/91675 |
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 |
1 v.| il., grafs. tabs. |
dc.publisher.none.fl_str_mv |
Florianópolis, SC |
publisher.none.fl_str_mv |
Florianópolis, SC |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
bitstream.url.fl_str_mv |
https://repositorio.ufsc.br/bitstream/123456789/91675/1/258459.pdf https://repositorio.ufsc.br/bitstream/123456789/91675/2/258459.pdf.txt https://repositorio.ufsc.br/bitstream/123456789/91675/3/258459.pdf.jpg |
bitstream.checksum.fl_str_mv |
a0457bb78b352c0aab2bb1f48ab79985 602a7bfbc1bff17bc07c4b8de8ff107f 673eb773a1c9a281ec2c260b6a341261 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1766805348824383488 |