Um método para construir intervalos de predição sensível ao ruído em redes neurais

Detalhes bibliográficos
Autor(a) principal: Neves, Cícero Augusto Magalhães da Silva
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: http://repositorio.ufsc.br/xmlui/handle/123456789/92496
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2009.
id UFSC_b75e2dcde3f8bd8e6953e069b71f164e
oai_identifier_str oai:repositorio.ufsc.br:123456789/92496
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Um método para construir intervalos de predição sensível ao ruído em redes neuraisInformaticaCiência da computaçãoRedes neurais (Computação)Confiabilidade (Probabilidades)PredicaoDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2009.Devido a sua grande capacidade representacional, as Redes Neurais Artificiais (RNAs) têm sido largamente utilizadas como aproximadores universais de funções na construção de modelos preditivos não-lineares, inclusive em aplicações da indústria petrolífera. Contudo, devido à natureza estocástica do treinamento das RNAs, indicadores de qualidade e confiabilidade para as saídas destes modelos, como os intervalos de predição, são extremamente necessários e desempenham um papel importante em aplicações reais. Muitas das técnicas adotadas para o cálculo dos intervalos de predição estabelecem uma série de restrições que devem ser atendidas pelos dados amostrais usados para treinar a RNA. Uma dessas restrições impõe que a variância dos resíduos seja constante, fato que nem sempre ocorre em aplicações reais, onde a taxa de ruído existente pode variar como função dos dados de entrada, fazendo com que a confiabilidade calculada pelos métodos tradicionais não seja condizente com a real precisão da rede neural. Nesta dissertação, uma extensão para um método de cálculo de intervalos de predição para redes neurais baseado na teoria da regressão não-linear é apresentada. A idéia principal do método proposto consiste em utilizar técnicas de agrupamento para estimar a variância dos resíduos em função do vetor de entrada apresentado à rede e incorporar essa estimativa ao cálculo dos intervalos de predição. Os resultados dos experimentos realizados mostram que tal abordagem pode gerar intervalos de predição com uma melhor representação da precisão das respostas das RNAs.Due to their large representational capacity, Artificial Neural Networks (ANNs) have been widely used as universal approximators of functions in the construction of nonlinear predictive models, including oil industry applications. However, due to the stochastic nature of the ANN training, indicators of quality and reliability to the outputs of these models, such as the prediction intervals, are extremely necessary and play an important role in real applications. Many of the techniques adopted to calculate the prediction intervals impose a set of constraints that must be respected by the data sample used to train the ANN. One of these restrictions requires that the variance of the residuals must be constant, a fact that does not always occur in real applications, where the existent noise rate may vary as a function of input data, making the reliability calculated by traditional methods become not suitable with the actual accuracy of the neural network. In this work, an extension to a method for calculating prediction intervals for neural networks, based on the theory of nonlinear regression, is presented. The main idea of the proposed method is to estimate an input dependent variance of the residuals using clustering techniques and incorporate this estimate to the computation of the prediction intervals. The results of the performed experiments show that this approach can lead to prediction intervals which better represent the accuracy of the ANNs outputs.Roisenberg, MauroUniversidade Federal de Santa CatarinaNeves, Cícero Augusto Magalhães da Silva2012-10-24T09:26:05Z2012-10-24T09:26:05Z2012-10-24T09:26:05Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisx, 68 f.| grafs., tabs.application/pdf275533http://repositorio.ufsc.br/xmlui/handle/123456789/92496porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2013-05-05T13:56:40Zoai:repositorio.ufsc.br:123456789/92496Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732013-05-05T13:56:40Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Um método para construir intervalos de predição sensível ao ruído em redes neurais
title Um método para construir intervalos de predição sensível ao ruído em redes neurais
spellingShingle Um método para construir intervalos de predição sensível ao ruído em redes neurais
Neves, Cícero Augusto Magalhães da Silva
Informatica
Ciência da computação
Redes neurais (Computação)
Confiabilidade (Probabilidades)
Predicao
title_short Um método para construir intervalos de predição sensível ao ruído em redes neurais
title_full Um método para construir intervalos de predição sensível ao ruído em redes neurais
title_fullStr Um método para construir intervalos de predição sensível ao ruído em redes neurais
title_full_unstemmed Um método para construir intervalos de predição sensível ao ruído em redes neurais
title_sort Um método para construir intervalos de predição sensível ao ruído em redes neurais
author Neves, Cícero Augusto Magalhães da Silva
author_facet Neves, Cícero Augusto Magalhães da Silva
author_role author
dc.contributor.none.fl_str_mv Roisenberg, Mauro
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Neves, Cícero Augusto Magalhães da Silva
dc.subject.por.fl_str_mv Informatica
Ciência da computação
Redes neurais (Computação)
Confiabilidade (Probabilidades)
Predicao
topic Informatica
Ciência da computação
Redes neurais (Computação)
Confiabilidade (Probabilidades)
Predicao
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2009.
publishDate 2012
dc.date.none.fl_str_mv 2012-10-24T09:26:05Z
2012-10-24T09:26:05Z
2012-10-24T09:26:05Z
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 275533
http://repositorio.ufsc.br/xmlui/handle/123456789/92496
identifier_str_mv 275533
url http://repositorio.ufsc.br/xmlui/handle/123456789/92496
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 x, 68 f.| grafs., tabs.
application/pdf
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_ 1808652093029875712

Registros relacionados