Intervalos de predição para redes neurais artificiais via regressão não linear

Detalhes bibliográficos
Autor(a) principal: Ferronato, Giuliano
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 Intervalos de predição para redes neurais artificiais via regressão não linearInformaticaCiência da computaçãoMinimos quadradosPerceptronsPredicaoRedes neurais (Computação)Dissertação (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.Florianópolis, SCAndrade, Dalton Francisco deUniversidade Federal de Santa CatarinaFerronato, Giuliano2012-10-24T01:24:51Z2012-10-24T01:24:51Z20082008info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis1 v.| il., grafs. tabs.application/pdf258459http://repositorio.ufsc.br/xmlui/handle/123456789/91675porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2013-04-30T09:52:07Zoai:repositorio.ufsc.br:123456789/91675Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732013-04-30T09:52:07Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.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.none.fl_str_mv Andrade, Dalton Francisco de
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Ferronato, Giuliano
dc.subject.por.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.none.fl_str_mv 2008
2008
2012-10-24T01:24:51Z
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 258459
http://repositorio.ufsc.br/xmlui/handle/123456789/91675
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.
application/pdf
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
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652294978273280

Registros relacionados