$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas |



Título: ALGORITMO EVOLUTIVO COM INSPIRAÇÃO QUÂNTICA, REPRESENTAÇÃO MISTA E DECAIMENTO DE PESOS APLICADO A NEUROEVOLUÇÃO
Autor: ANTONIO CESAR DE OLIVEIRA PITTA BOTELHO
Instituição:  -
Colaborador(es):  -
Nº do Conteudo: 23603
Catalogação:  28/10/2014 Idioma(s):  PORTUGUÊS - BRASIL
Tipo:  TEXTO Subtipo:  ARTIGO
Natureza:  PUBLICAÇÃO
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23603@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23603@2
Referência DOI:  https://doi.org/10.17771/PUCRio.IRR.23603

Resumo:
Algoritmos evolutivos com inspiração quântica representam um dos mais recentes avanços na área de computação evolucionária. Eles têm sido utilizados para se evoluir redes neurais artificiais em contrapartida aos métodos tradicionais de treinamento baseados no gradiente decrescente e retropropagação do erro. O algoritmo utilizado neste trabalho foi o NeuroEvolutivo com Inspiração Quântica e representação mista Binária e Real (NEIQ-BR) desenvolvido para modelagem de redes neurais do tipo perceptron de múltiplas camadas e utilizado em problemas de classificação de padrões. A técnica de regularização de complexidade denominada decaimento de pesos tem como objetivo fazer com que os pesos excessivos, ou seja, aqueles que têm pequena ou nenhuma influência sobre a rede, assumam valores próximos de zero, reduzindo com isto a complexidade da rede e melhorando sua capacidade de generalização. Este trabalho introduz a técnica de regularização de complexidade de decaimento de pesos no algoritmo neuroevolutivo em referência e avalia o desempenho do algoritmo em três casos benchmark de classificação de padrões. Os resultados serão comparados aos obtidos com o algoritmo original.

Descrição Arquivo
NA ÍNTEGRA  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui