Título: Aplicação de Otimização por Enxame de Partículas para Treinamento de Redes Neurais MLPs
Autores: Santos, Saulo M. O. C. dos; Valença, Mêuser J.; Bastos-Filho, Carmelo J. A.
Resumo: Redes Neurais Artificiais têm sido amplamente utilizadas para resolver problemas de classificação e previsão. Muitas aplicações desta técnica apresentaram resultados mais precisos quando comparados aos resultados obtidos pelas técnicas estatísticas tradicionais. Para que a sua utilização seja generalizada, ou seja, para que seja possível resolver problemas não linearmente separáveis é preciso usar o Multilayer Perceptron. O algoritmo mais comum para treinar este tipo de rede neural é conhecido como Backpropagation. Entretanto, este algoritmo apresenta alguns inconvenientes, como convergência lenta e a possibilidade de ficar preso facilmente em mínimos locais. Este trabalho propõe aplicar algumas variações adaptativas recentemente propostas do algoritmo original de otimização por enxames de partículas para treinar redes neurais. O algoritmo ClanAPSO mostrou-se eficaz na tarefa de treinamento da rede neural, apesar de seu tempo e quantidade de iterações para convergência terem aumentado significativamente.
Palavras-chave: Redes neurais artificiais; Perceptron de múltiplas camadas; Otimização por enxames de partículas
Páginas: 8
Código DOI: 10.21528/CBIC2011-36.1
Artigo em pdf: st_36.1.pdf
Arquivo BibTex: st_36.1.bib