Detalhes bibliográficos
| Ano de defesa: |
1999 |
| Autor(a) principal: |
Lacerda, Estéfane George Macedo de |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06032018-104226/
|
Resumo: |
A escolha da topologia de uma Rede Neural RBF é geralmente realizada por tentativa e erro baseado na experiência do projetista. Os algoritmos de treinamento existentes que determinam a topologia da rede utilizam métodos locais, que apresentam uma grande possibilidade de cair em mínimos locais gerando soluções sub-ótimas. Algoritmos Genéticos representam um método de busca global apropriado para encontrar boas soluções em espaços de busca complexos, como o espaço de busca das topologias das Redes Neurais. Este trabalho propõe um Algoritmo Genético para otimizar a topologia de redes RBF limitando o espaço de busca através de uma técnica de aglomeração. Os resultados obtidos sugerem que esta otimização melhora o desempenho de redes RBF em aplicações financeiras. |
