Título: Uso de Redes GSNff para Ponderação de Variáveis de Entrada em Classificadores
Autores: Martins, Weber; Miguel, Luciano de Souza
Resumo: Este artigo apresenta o uso inédito de redes de Goal Seeking Neurons (GSN) na avaliação da importância relative de dados multidimensionais. Assim, é possível medir o papel de cada variável de entrada na classificação de padrões definidos por uma amostra. Os melhores desempenhos foram observados nas menores topologies. Este fato, combinado com o algoritmo de treinamento one-shot (onde cada padrão é empregado uma única vez), conduz a um sistema eficiente. Comparado com o classificador padrão, os níveis de respostas corretas e de saturação foram melhorados. O decréscimo do nível de saturação cria mais flexibilidade para aprender regras secundárias (mais espaço para novos mapeamentos internos). No sentido de avaliar o sistema proposto mais detalhadamente, escolhemos a predição da série temporal pluviométrica do Nordeste Brasileiro como uma situação real de teste. O objetivo da tarefa foi predizer se o próximo mês apresentaria mais ou menos chuva que o mês anterior. Os resultados foram promissores.
Palavras-chave: Redes GSN; Classificadores; Ponderação de variáveis
Páginas: 6
Código DOI: 10.21528/CBRN2005-130
Artigo em PDF: CBRN2005_130.pdf
Arquivo BibTex: CBRN2005_130.bib