Aprendizado simples usando gradiente descendente e algoritmo genético

• Processo: 01/10976-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de março de 2002
• Data de Término da vigência: 29 de fevereiro de 2004
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Daniela Maria Lemos Barbato Jacobovitz
• Beneficiário: Vinicius Canesin Brescia
• Instituição Sede: Faculdade Interativa COC (UNICOC). Ribeirão Preto , SP, Brasil
• Assunto(s): Algoritmos genéticos Redes neurais (computação) Problemas de otimização
• Palavra(s)-Chave do Pesquisador: Algoritmo Genetico | Aprendizado | Generalizacao | Perceptron | Redes Neurais

Resumo

Em geral, os problemas de otimização podem ser vistos como uma busca da solução ótima num espaço de soluções potenciais. Quando o espaço de soluções é pequeno, os métodos exaustivos são suficientes, porém quando o espaço é grande, podemos usar técnicas como redes neurais e algoritmos genéticos. O estudo de redes neurais é basicamente centrado em dois aspectos: a modelagem de sistemas cognitivos biológicos e a produção de inteligência artificial. O algoritmo genético é um método de otimização de funções inspirado na teoria da evolução, onde as variáveis são representadas como genes em um cromossomo (indivíduo). Neste trabalho será estudado o problema de aprendizado de uma rede neural simples através de dois métodos simples, a saber: do gradiente descendente e de um algoritmo genético. Posteriormente os resultados obtidos por cada um desses métodos serão comparados de maneira a avaliar a eficiência de cada um. Particularmente, para que esse treinamento aproxime-se de uma situação mais realística, a rede será treinada com ruído. Uma vez terminado o treinamento será medida sua capacidade de generalização. (AU)