PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MÁRIO RENATO NUNES CRISPIM DA SILVA CHAVES LIMA
DATA: 26/05/2015
HORA: 09:00
LOCAL: Auditório do DEINF (Sala Multimídia) / CCET
TÍTULO: APRIMORAMENTO DO ALGORITMO BACKPROPAGATION VIA COLABORAÇÃO ENTRE NEURÔNIOS
PALAVRAS-CHAVES: redes neurais artificiais, múltiplas redes neurais artificiais, backpropagation, perceptron, detecção de queda.
PÁGINAS: 70
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: Redes Neurais Artificiais são sistemas bioinspirados capazes de mimetizar o comportamento sináptico cerebral humano, permitindo que um computador possa ter a capacidade de aprender através de um processo de treinamento. A utilização do algoritmo backpropagation no processo de treinamento de uma rede do tipo Multi-Layer Perceptron (MLP) apresenta alguma eficiência, porém percebe-se que não existe uma colaboração sistemática entre os neurônios artificiais, de modo a permitir que um neurônio ajude no aprendizado de outro. Assim, visando aprimorar o aprendizado e baseado no princípio da autocoordenação das Múltiplas Redes Neurais Artificiais, este trabalho descreve uma metodologia que promove a colaboração sistemática entre neurônios no treinamento de Redes Neurais Artificiais do tipo MLP, a partir de uma modificação no algoritmo backpropagation. Esta metodologia é comparada ao algoritmo backpropagation tradicional a partir de testes da solução de detecção de quedas com o uso de Redes Neurais Artificiais.
MEMBROS DA BANCA:
Interno - 1091306 - ALEXANDRE CESAR MUNIZ DE OLIVEIRA
Presidente - 2044484 - AREOLINO DE ALMEIDA NETO
Externo à Instituição - GUILHERME DE ALENCAR BARRETO - UFC