Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/4300
Título: Uma Abordagem Modular com Máquinas de Boltzmann Restrita para Predição de Séries Temporais.
Autor(es): Hrasko, Rafael
Orientador: Krohling, Renato Antônio
Data do documento: 25-Fev-2016
Editor: Universidade Federal do Espírito Santo
Resumo: Predição de séries temporais ocorrem em várias áreas: economia, climatologia, engenharia e muitas outras. Abordagens baseadas em redes neurais artificiais tem sido utilizadas com resultados promissores devido a capacidade de aprender mapeamentos não lineares. No entanto, redes neurais convencionais usando o algoritmo backpropagation também podem cair em mínimos locais durante a fase de treinamento. Nos últimos anos, uma abordagem alternativa conhecida como redes neurais profundas, que consiste em máquinas de Boltzmann restrita, apresentam a vantagem de serem treinadas em sequencia uma após a outra para problemas que requerem múltiplas camadas. Este trabalho apresenta uma abordagem usando redes modulares, onde os módulos consistem em híbridos de máquinas de Boltzmann restrita com redes neurais convencionais. A abordagem tem seus parâmetros otimizados pelo algoritmo enxame de partículas, e agrega os módulos com a integral de Choquet. Estudos de simulação foram conduzidos para avaliar a abordagem em vários problemas de predição e os resultados são comparados com os fornecidos por uma rede modular convencional.
URI: http://repositorio.ufes.br/handle/10/4300
Aparece nas coleções:PPGI - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_9628_ATA DA DEFESA DO ALUNO RAFAEL20160503-91238.pdf612.99 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.