Title: Rede Neural Com Treinamento Baseado Em Filtro De Kalman E Evolução Diferencial Aplicada À Previsão Do Preço Da Soja
Authors: Souza, Rodrigo Clemente Thom de; Coelho, Leandro dos Santos
Resumo: As Redes Neurais Função de Base Radial (RNs-RBF) são modelos de aproximação de funções que podem ser treinados por exemplos para implementar um mapeamento (interpolação) de entrada e saída desejado. O desempenho das RNsRBF depende do número e centros das funções radiais de base, suas formas, e o método utilizado para aprender o mapeamento de entrada-saída. Este artigo apresenta uma abordagem de RN-RBF usando funções Gaussianas e treinamento usando uma abordagem de filtro de Kalman estendido baseada em otimização através de evolução diferencial. A evolução diferencial é um algoritmo evolutivo que utiliza uma abordagem mais gulosa e menos estocástica para resolver problemas do que fazem os algoritmos evolutivos clássicos, tais como algoritmos genéticos, programação evolutiva e estratégia evolutiva. Os resultados de simulação indicam as potencialidades desta abordagem de aprendizado de RN-RBF para previsão de curto prazo (um passo à frente) do preço da soja.
Keywords: Redes neurais função de base radial; filtro de Kalman; evolução diferencial; previsão de séries temporais
Pages: 6
Paper as PDF: 50100075.pdf
BibTex file: 50100075.bib