Obtenção de neurônios de redes neurais de base radial via agrupamento de dados por floresta de caminhos ótimos
Carregando...
Data
2015
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Neste artigo é apresentada uma abordagem para aumentar a eficácia das Redes Neurais Artificiais de Funções de Base Radial utilizando um algoritmo de agrupamento de dados via Floresta de Caminhos Ótimos. Algumas técnicas comumente empregadas para essa tarefa, como o conhecido k-médias, requerem um determinado número de classes/agrupamentos prévio à sua execução. Embora o número de classes seja conhecido em problemas supervisionados, o número real de agrupamentos é difícil de ser encontrado, dado que uma classe pode ser representada por mais de um agrupamento. Experimentos em nove bases de dados, em conjunto com análises estatísticas, demonstraram que o classificador por Floresta de Caminhos Ótimos possui um melhor desempenho que a técnica k-médias, bem como encontra as médias das distribuições Gaussianas em posições muito similares às encontradas por este último. Entretanto, o classificador por Floresta de Caminhos Ótimos possui um custo computacional maior, dado que a sua etapa de treinamento é mais custosa que a da técnica k-médias.
Descrição
Palavras-chave
Floresta de caminhos otimos, Agrupamentos de dados, Redes neurais artificiais
Como citar
Interciência & Sociedade, v. 4, n. 1, p. 64-74, 2015.