Uma Abordagem Modular com Máquinas de Boltzmann Restrita para Predição de Séries Temporais.

Nome: Rafael Hrasko
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 25/02/2016
Orientador:

Nomeordem decrescente Papel
Renato Antônio Krohling Orientador

Banca:

Nomeordem decrescente Papel
Celso Alberto Saibel Santos Examinador Interno
Renato Antônio Krohling Orientador

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.

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910