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

• Processo: 02/03049-6
• Linha de fomento: Bolsas no Brasil - Pós-Doutorado
• Vigência (Início): 01 de agosto de 2002
• Vigência (Término): 30 de setembro de 2003
• Área do 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)

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)