Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\"
Autor(a) principal: | |
---|---|
Data de Publicação: | 1999 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06032018-104226/ |
Resumo: | A escolha da topologia de uma Rede Neural RBF é geralmente realizada por tentativa e erro baseado na experiência do projetista. Os algoritmos de treinamento existentes que determinam a topologia da rede utilizam métodos locais, que apresentam uma grande possibilidade de cair em mínimos locais gerando soluções sub-ótimas. Algoritmos Genéticos representam um método de busca global apropriado para encontrar boas soluções em espaços de busca complexos, como o espaço de busca das topologias das Redes Neurais. Este trabalho propõe um Algoritmo Genético para otimizar a topologia de redes RBF limitando o espaço de busca através de uma técnica de aglomeração. Os resultados obtidos sugerem que esta otimização melhora o desempenho de redes RBF em aplicações financeiras. |
id |
USP_a4bfcade1d5d5195098e5a7d4afeebe8 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-06032018-104226 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\"Not availableNão disponívelNot availableA escolha da topologia de uma Rede Neural RBF é geralmente realizada por tentativa e erro baseado na experiência do projetista. Os algoritmos de treinamento existentes que determinam a topologia da rede utilizam métodos locais, que apresentam uma grande possibilidade de cair em mínimos locais gerando soluções sub-ótimas. Algoritmos Genéticos representam um método de busca global apropriado para encontrar boas soluções em espaços de busca complexos, como o espaço de busca das topologias das Redes Neurais. Este trabalho propõe um Algoritmo Genético para otimizar a topologia de redes RBF limitando o espaço de busca através de uma técnica de aglomeração. Os resultados obtidos sugerem que esta otimização melhora o desempenho de redes RBF em aplicações financeiras.The choice of the topology of a RBF Neural Network is usually carried out by trial and error based on the designer experience. The most common training algorithms that define the network topology use local methods which have a large possibility of being trapped at a local minima, producing sub-optima solutions. Genetic Algorithms represent a global search method appropriate to find good solutions in complex search spaces, like the space of Neural Networks topologies. This work proposes a Genetic Algorithm for RBF networks optimisation limiting the search space through a clustering technique. The results achieved suggest that this optimisation improves the performance of RBF networks in finance applications.Biblioteca Digitais de Teses e Dissertações da USPCarvalho, André Carlos Ponce de Leon Ferreira deLacerda, Estéfane George Macedo de1999-03-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/55/55134/tde-06032018-104226/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2018-07-19T20:50:39Zoai:teses.usp.br:tde-06032018-104226Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212018-07-19T20:50:39Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" Not available |
title |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" |
spellingShingle |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" Lacerda, Estéfane George Macedo de Não disponível Not available |
title_short |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" |
title_full |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" |
title_fullStr |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" |
title_full_unstemmed |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" |
title_sort |
Otimização de Redes Neurais RBF Usando Algoritmos Genéticos e sua Aplicação na Área Financeira\" |
author |
Lacerda, Estéfane George Macedo de |
author_facet |
Lacerda, Estéfane George Macedo de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Carvalho, André Carlos Ponce de Leon Ferreira de |
dc.contributor.author.fl_str_mv |
Lacerda, Estéfane George Macedo de |
dc.subject.por.fl_str_mv |
Não disponível Not available |
topic |
Não disponível Not available |
description |
A escolha da topologia de uma Rede Neural RBF é geralmente realizada por tentativa e erro baseado na experiência do projetista. Os algoritmos de treinamento existentes que determinam a topologia da rede utilizam métodos locais, que apresentam uma grande possibilidade de cair em mínimos locais gerando soluções sub-ótimas. Algoritmos Genéticos representam um método de busca global apropriado para encontrar boas soluções em espaços de busca complexos, como o espaço de busca das topologias das Redes Neurais. Este trabalho propõe um Algoritmo Genético para otimizar a topologia de redes RBF limitando o espaço de busca através de uma técnica de aglomeração. Os resultados obtidos sugerem que esta otimização melhora o desempenho de redes RBF em aplicações financeiras. |
publishDate |
1999 |
dc.date.none.fl_str_mv |
1999-03-10 |
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://www.teses.usp.br/teses/disponiveis/55/55134/tde-06032018-104226/ |
url |
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06032018-104226/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815256761781714944 |