Estudo do efeito do pruning sobre o erro de generalização de perceptrons lineares e booleanos

• Processo: 05/53800-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2005
• Data de Término da vigência: 31 de outubro de 2006
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Daniela Maria Lemos Barbato Jacobovitz
• Beneficiário: Douglas Cavalheiro Chiodi
• Instituição Sede: Faculdade Interativa COC (UNICOC). Ribeirão Preto , SP, Brasil
• Assunto(s): Redes neurais (computação) Algoritmos genéticos
• Palavra(s)-Chave do Pesquisador: Booleano | Generalizacao | Linear | Perceptrons | Pruning (Poda) | Redes Neurais

Resumo

O principal objetivo deste projeto é o estudo do pruning ou poda em redes neurais. Esta técnica consiste em treinar uma rede em tamanho natural e uma vez treinada remover partes desnecessárias. Na literatura o pruning é conhecido como a eliminação dos pesos menores que um certo valor. Neste trabalho será considerado também a eliminação dos pesos maiores que um determinado valor e a eliminação aleatória dos pesos. O pruning será estudado em dois tipos de perceptron: perceptron linear e perceptron booleano, ambos com pesos contínuos. No caso do perceptron linear, a rede estudante de pesos contínuos será treinada por uma rede mestre linear de pesos contínuos. Este treinamento será realizado na presença de ruído. No caso do perceptron booleano de pesos contínuos, o treinamento será feito por uma rede professora booelana, cujos pesos podem assumir os valores 0, 1 e -1. Neste último caso o pruning será efetuado através de algoritmo genético. Concluído esta etapa, será iniciado o estudo do efeito do pruning na capacidade de generalização de uma rede multicamada treinada com backpropagation, com o objetivo de estudar reconhecimento de caracteres e interface robótica. (AU)