Título: Otimização de Reservoir Computing com PSO: Parâmetros Globais, Arquitetura e Pesos
Autores: Sergio, Anderson Tenório; Ludermir, Teresa B.; Ferreira, Aida Araújo
Resumo: Reservoir Computing (RC) é um paradigma de Redes Neurais Artificiais com aplicações importantes no mundo real. RC utiliza arquitetura similar às Redes Neurais Recorrentes sem a necessidade de treinar os pesos da camada intermediária (reservoir), além de utilizar uma função de regressão linear simples no treinamento da camada de saída. Entretanto, sua utilização pode ser computacionalmente onerosa e diversos parâmetros influenciam sua eficiência, fazendo com que seja necessário pesquisar alternativas para aumentar sua capacidade. Este trabalho tem o objetivo de utilizar o PSO e duas de suas extensões na tarefa de otimizar os parâmetros globais, arquitetura e pesos do reservoir de RC, na previsão de séries temporais. Os resultados alcançados mostraram que a otimização de Reservoir Computing com PSO, bem como com as suas extensões selecionadas, apresentaram desempenho satisfatório para todas as bases de dados estudadas.
Palavras-chave: Reservoir Computing; PSO; otimização; previsão de séries temporais
Páginas: 6
Código DOI: 10.21528/CBIC2013-126
Artigo em pdf: bricsccicbic2013_submission_126.pdf
Arquivo BibTex: bricsccicbic2013_submission_126.bib