Título: Modelo Híbrido Neuro-Evolucionário para Problemas de Agrupamento utilizando Redes Neurais Spiking
Autores: Silva, Marco; Vellasco, Marley M. B. R.; Cataldo, Edson
Resumo: Este artigo apresenta um modelo híbrido para problemas de agrupamento em que os atributos de entrada e os parâmetros de uma rede neural spiking (SNN) são optimizados com algoritmos evolucionários. Uma abordagem evolutiva baseada no Algoritmo Evolutivo com Inspiração Quântica com representação Binário-Real (AEIQ-BR) foi utilizada. O modelo resultante foi nomeado Quantum-Inspired Evolution of Spiking Neural Networks with Binary-Real Rrepresentation (QbrSNN). O modelo neuro-evolucionário proposto é utilizado com o propósito de configurar corretamente a SNN e selecionar os atributos mais relevantes para agrupamento. O modelo QbrSNN foi avaliado em oito bases de dados benchmark, comparando seus resultados com modelos de agrupamento tradicionais (K-means e SNN clássica) e com uma SNN cujos parâmetros são otimizados por um Algoritmo Genético padrão. Os resultados mostraram a viabilidade do uso das SNNs para aprendizado não supervisionado, obtendo ótimos resultados.
Palavras-chave: Redes Neurais Spiking; Agrupamento; Algoritmos Neuro-Evolutivos
Páginas: 6
Código DOI: 10.21528/CBIC2015-003
Artigo em pdf: cbic2015_submission_3.pdf
Arquivo BibTeX: cbic2015_submission_3.bib