Algoritmos de aprendizagem para redes neurais artificiais: uma abordagem unificada.

• Processo: 02/03049-6
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2002
• Data de Término da vigência: 30 de setembro de 2003
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Marcilio Carlos Pereira de Souto
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Teoria da computação Biologia computacional Sistemas híbridos Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Bioinformatica | Redes Neurais Artificiais | Sistemas Hibridos | Teoria Da Computacao

Resumo

Atualmente, os novos rumos na pesquisa de algoritmos de aprendizagem para os modelos conexionistas estão levando ao desenvolvimento de algoritmos que integram inserção de conhecimento a priori e aprendizagem a partir de exemplos. Os resultados deste enfoque híbrido para a aprendizagem das RNAs - "unificado" sendo, talvez, um melhor termo - têm levado a uma melhora considerável na performance das RNAs: tempo de treinamento mais rápido e uma melhor generalização. Na pesquisa proposta aqui, abordaremos o problema da integração de conhecimento a priori e aprendizagem a partir de exemplos em RNAs recorrentes (aplicadas ao processamento de seqüências). Neste contexto, pressupomos que, além do conjunto de treinamento, um algoritmo de aprendizagem terá acesso a alguma forma de conhecimento parcial (conhecimento a priori), em termos de regras simbólicas, sobre o problema. Este conhecimento parcial será representado através de restrições nos valores numéricos associados/armazenados com/em cada neurônio da rede e, depois, completado através da aprendizagem a partir de exemplos. Testaremos os algoritmos resultantes em problemas de bioinformática. (AU)