Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DCC - Departamento de Ciência da Computação >
DCC - Graduação >
DCC - Bacharelado em Sistemas de Informação (Monografias) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/5359

Título: Treinamento de redes neurais artificiais utilizando algoritmos genéticos em plataforma distribuída
Autor(es): Santana, Alan Filipe
Orientador: Lacerda, Wilian Soares
Membro da banca: Bettio, Raphael Winckler de
Barbosa, Bruno Henrique Groenner
Assunto: Redes neurais artificiais
Treinamento
Algoritmo genético
Sistema distribuído
Data de Defesa: 10-Out-2012
Data de publicação: 17-Abr-2015
Referência: SANTANA, A. F. Treinamento de redes neurais artificiais utilizando algoritmos genéticos em plataforma distribuída. 2012. 122 p. Monografia (Graduação em Sistemas de Informação) - Universidade Federal de Lavras, Lavras, 2012.
Resumo: Redes Neurais Artificiais são algoritmos inspirados no funcionamento do sistema nervoso que apresentam várias aplicações como classificação de dados e previsão de valores. Seu funcionamento depende de um processo de treinamento que, em alguns problemas, pode consumir considerável tempo de processamento. Este trabalho teve como objetivo avaliar a utilização de um modelo paralelo de Algoritmo Genético para realizar o treinamento de redes do tipo Multilayer Perceptron. A análise foi dividida em duas etapas: avaliação de duas variações de algoritmos genéticos a partir de comparações dos resultados obtidos com o algoritmo de aprendizagem Backpropagation; e avaliação do sistema distribuído através de testes com a utilização de até cinco computadores. Para a realização dos testes foram utilizados seis bases de dados do repositório de aprendizagem de máquina UCI. Foi observado que o Algoritmo Genético possui desempenho inferior ao Backpropagation, entretanto é capaz de encontrar soluções com boa capacidade de generalização. Com a utilização do sistema distribuído a redução média total do tempo de treinamento foi de 31%. Apesar do baixo ganho em desempenho, o modelo paralelo aumenta a estabilidade do processo de aprendizagem evolutivo.
Abstract: Artificial Neural Networks are algorithms inspired in the functioning of the nervous system that have many applications such as data classification and time series prediction. Its use depends on a training process which, in some problems, can consume significant processing time. This study aimed to evaluate the use of a parallel model of Genetic Algorithm to execute the training of Multilayer Perceptron networks. The analysis was performed by two steps: evaluation of two types of genetic algorithms by comparison among results obtained by Backpropagation learning algorithm; and evaluation of the distributed system by tests running on up to five computers. For the tests, six databases from UCI machine learning repository were used. The Genetic Algorithm has underperformed Backpropagation; however it was able to find solutions with good generalization capacity. The total average training time was reduced to 31% when the distributed system was applied. Despite the low gain in performance, the parallel model increases the stability of the evolutionary learning process.
URI: http://repositorio.ufla.br/jspui/handle/1/5359
Idioma: pt_BR
Aparece nas coleções: DCC - Bacharelado em Sistemas de Informação (Monografias)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
MONOGRAFIA_Treinamento_de_redes_neurais_artificiais_utilizando_algoritmos_geneticos_em_plataforma_distribuida.pdf839,6 kBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback