Redes neurais construtivas para a classificação de padrões

• Ano de defesa: 2004
• Autor(a) principal: Palma Neto, Luiz Garcia
• Orientador(a): Nicoletti, Maria do Carmo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Carlos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação - PPGCC
• País: BR
• Palavras-chave em Português: Perceptrons; Redes neurais (computação); Sistemas de reconhecimento de padrões
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufscar.br/handle/20.500.14289/311

Constructive neural learning is a neural learning model that does not assume a fixed topology before training begins. The main characteristic of this learning model is the dynamic construction of the network hidden layers which occurs simultaneously with training. This research work investigates six constructive neural algorithms namely, tower, pyramid, tiling, upstart, Distal and cascade-correlation, evaluating each of them with relation to advantages and disadvantages, ease of training, size and topology of the network, restrictions and performance. The work presents a computational system (CONEB) which implements each algorithm. Results obtained by using the different algorithms in several knowledge domains are presented and analysed.