PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: DIÊGO SANTIAGO DE MENESES CARVALHO
DATA: 20/01/2016
HORA: 08:30
LOCAL: Auditório do DEINF
TÍTULO: ACELERAÇÃO DO TREINAMENTO VIA BACKPROPAGATION COM TERMO MOMENTUM SELETIVO
PALAVRAS-CHAVES: Redes Neurais Artificiais, Backpropagation, Termo Momentum, Coeficientes de correlação.
PÁGINAS: 52
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: Visando aprimorar o aprendizado de Redes Neurais Artificiais (RNA) do tipo Multilayer Perceptron, este trabalho descreve uma metodologia que promove a seleção dos pesos que devem adicionar o termo momentum ao cálculo de suas variações durante cada iteração do treinamento via Backpropagation (BP). Para tanto, utiliza os coeficientes de correlação de Pearson e de Spearman. Mesmo diante de sua popularidade, o uso desse algoritmo apresenta algumas desvantagens, dentre elas seu alto tempo de convergência. Uma técnica bastante conhecida para combater essa desvantagem é o termo momentum. Esta técnica busca acelerar o aprendizado da RNA mantendo sua estabilidade, porém quando aplicada a todos os pesos, como é utilizada atualmente, e com os parâmetros inadequados, pode significar o fracasso do treinamento ou uma redução insignificante no seu tempo de convergência. A metodologia proposta é comparada ao BP tradicional e ao BP com termo momentum em todos os pesos a partir de testes da solução de detecção de câncer de mama com o uso de RNA.
MEMBROS DA BANCA:
Presidente - 2044484 - AREOLINO DE ALMEIDA NETO
Externo à Instituição - CAIRO LUCIO NASCIMENTO JUNIOR - ITA
Interno - 1564359 - LUCIANO REIS COUTINHO