dc.contributor.author | Palma Neto, Luiz Garcia | |
dc.date.accessioned | 2016-06-02T19:05:16Z | |
dc.date.available | 2004-11-13 | |
dc.date.available | 2016-06-02T19:05:16Z | |
dc.date.issued | 2004-02-27 | |
dc.identifier.citation | PALMA NETO, Luiz Garcia. Redes neurais construtivas para a classificação de padrões.. 2004. 147 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2004. | por |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/311 | |
dc.description.abstract | Constructive neural learning is a neural learning model that does not assume a fixed
topology before training begins. The main characteristic of this learning model is the
dynamic construction of the network hidden layers which occurs simultaneously with training.
This research work investigates six constructive neural algorithms namely, tower, pyramid, tiling, upstart, Distal and cascade-correlation, evaluating each of them with relation to advantages and disadvantages, ease of training, size and topology of the network, restrictions and performance. The work presents a computational system (CONEB) which implements each algorithm. Results obtained by using the different algorithms in several knowledge domains
are presented and analysed. | eng |
dc.description.sponsorship | Universidade Federal de Sao Carlos | |
dc.format | application/pdf | por |
dc.language | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Acesso Aberto | por |
dc.subject | Perceptrons | por |
dc.subject | Redes neurais (computação) | por |
dc.subject | Sistemas de reconhecimento de padrões | por |
dc.title | Redes neurais construtivas para a classificação de padrões. | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Nicoletti, Maria do Carmo | |
dc.contributor.advisor1Lattes | http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4787728A5 | por |
dc.description.resumo | Aprendizado Neural Construtivo é um modelo de aprendizado neural que não pressupõe a definição de uma topologia de rede fixa antes do início do treinamento. A principal característica deste modelo de aprendizado é a construção dinâmica das camadas intermediárias da rede, à medida que vão sendo necessárias ao seu treinamento. Este trabalho de pesquisa investiga seis algoritmos neurais construtivos, a saber, tower, pyramid, tiling, upstart, Distal e cascade-correlation, buscando avaliar cada um deles com relação a vantagens e desvantagens, facilidade no treinamento, tamanho e topologia de rede criada, restrições de uso e desempenho. O trabalho apresenta um ambiente computacional (CONEB) que disponibiliza a implementação de cada um dos algoritmos. São apresentados e analisados os resultados obtidos utilizando os diferentes algoritmos em vários domínios de conhecimento. | por |
dc.publisher.country | BR | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.contributor.authorlattes | http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4770428E2 | por |