Obtenção de neurônios de redes neurais de base radial via agrupamento de dados por floresta de caminhos ótimos

• Autor(a) principal: Passos Júnior, Leandro Aparecido [UNESP]
• Data de Publicação: 2015
• Outros Autores: Costa, Kelton Augusto Pontara da [UNESP], Rosa, Gustavo Henrique de [UNESP], Papa, João Paulo [UNESP]
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol4_n1_on_line.html; http://hdl.handle.net/11449/135743
• topic: Floresta de caminhos otimos; Agrupamentos de dados; Redes neurais artificiais

Neste artigo é apresentada uma abordagem para aumentar a eficácia das Redes Neurais Artificiais de Funções de Base Radial utilizando um algoritmo de agrupamento de dados via Floresta de Caminhos Ótimos. Algumas técnicas comumente empregadas para essa tarefa, como o conhecido k-médias, requerem um determinado número de classes/agrupamentos prévio à sua execução. Embora o número de classes seja conhecido em problemas supervisionados, o número real de agrupamentos é difícil de ser encontrado, dado que uma classe pode ser representada por mais de um agrupamento. Experimentos em nove bases de dados, em conjunto com análises estatísticas, demonstraram que o classificador por Floresta de Caminhos Ótimos possui um melhor desempenho que a técnica k-médias, bem como encontra as médias das distribuições Gaussianas em posições muito similares às encontradas por este último. Entretanto, o classificador por Floresta de Caminhos Ótimos possui um custo computacional maior, dado que a sua etapa de treinamento é mais custosa que a da técnica k-médias.