Evolução da arquitetura de perceptron multicamadas baseada em otimização por enxame de partículas e colônia artificial de abelhas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorDajer, María Eugenia-
Autor(es): dc.contributorSpatti, Danilo Hernane-
Autor(es): dc.contributorDajer, María Eugenia-
Autor(es): dc.contributorSpatti, Danilo Hernane-
Autor(es): dc.contributorGodoy, Wagner Fontes-
Autor(es): dc.contributorSanches, Danilo Sipoli-
Autor(es): dc.creatorSantos, Fabio Augusto Guidotti dos-
Autor(es): dc.creatorYoshizumi, Victor Hideki-
Data de aceite: dc.date.accessioned2022-02-24T17:00:12Z-
Data de disponibilização: dc.date.available2022-02-24T17:00:12Z-
Data de envio: dc.date.issued2022-02-23-
Data de envio: dc.date.issued2022-02-23-
Data de envio: dc.date.issued2018-11-23-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/27419-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/699103-
Descrição: dc.descriptionThe present work proposes to develop two hybrid intelligent systems based on Particle Swarm Optimization and Artificial Bee Colony, capable of realizing the optimization of the architecture of artificial neural networks of the multilayer Perceptron type. The internal parameters of the architecture chosen for optimization were those that have the greatest influence on the performance of the network, being: number of hidden layers, number of neurons per layer and learning rate. In this way, to perform the choosing process of the network topology that best fits the set of data to be classified, the bioinspired algorithms use as fitness the average quadratic error generated by the multilayer Perceptron in the test phase. The obtaining and analyze of the proposed systems results were performed in two steps: validation and test, where a total of 192 thousand networks were trained. During the validation stage, the databases of medical diagnoses "Breast Cancer", "Mammographic Mass" and "Thyroid" obtained from the machine learning repository, UCI, were used. While, for the test phase, the databases of electromyographic signals “Classes of Movements” and “Levels of Contraction” were used, treated using the Wavelet Packet Transform of the Haar family. From the obtained results it was possible to verify the efficiency of both systems, which are presented as great tools to assist professionals responsible for the design of artificial neural networks capable of adapting to any class of problems involving the optimization of multilayer Perceptron type network topology.-
Descrição: dc.descriptionO presente trabalho se propõe a desenvolver dois sistemas inteligentes híbridos baseados em Otimização por Enxame de Partículas e Colônia Artificial de Abelhas, capazes de realizar a otimização da arquitetura de redes neurais artificiais do tipo Perceptron multicamadas. Os parâmetros internos da arquitetura escolhidos para otimização, foram os que possuem maior influência no desempenho da rede, sendo eles: número de camadas escondidas, quantidade de neurônios por camada e a taxa de aprendizado. Desta forma, para realizar o processo de escolha da topologia da rede que melhor se adeque ao conjunto de dados a serem classificados, os algoritmos bioinspirados utilizam como fitness o erro quadrático médio gerado pelo Perceptron multicamadas na fase de teste. A obtenção e análise dos resultados dos sistemas propostos foram realizadas em duas etapas: validação e teste, onde foram treinadas um total de 192 mil redes. Durante a etapa de validação foram utilizadas as bases de dados de diagnósticos médicos “Breast Cancer”, “Mammographic Mass” e “Thyroid” obtidas a partir do repositório de aprendizado de máquina, UCI. Enquanto, para a fase de teste foram utilizadas as bases de dados de sinais eletromiográficos “Classes de Movimentos” e “Níveis de Contração”, tratados utilizando a Transformada Wavelet Packet da família Haar. A partir dos resultados obtidos foi possível verificar a eficiência de ambos os sistemas, que se apresentam como ótimas ferramentas para auxiliar profissionais responsáveis pelo projeto de redes neurais artificiais, capazes de se adaptar a qualquer classe de problemas envolvendo a otimização da topologia de redes do tipo Perceptron multicamadas.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCornelio Procopio-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia de Controle e Automação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectTransformadas integrais-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectIntegral transforms-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Título: dc.titleEvolução da arquitetura de perceptron multicamadas baseada em otimização por enxame de partículas e colônia artificial de abelhas-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.