Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/259070
Full metadata record
DC FieldValueLanguage
dc.contributor.CRUESPUNIVERSIDADE ESTADUAL DE CAMPINASpt_BR
dc.identifier(Broch.)pt_BR
dc.descriptionOrientação: Fernando Jose Von Zubenpt_BR
dc.descriptionDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computaçãopt_BR
dc.format.extent248p. : il.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.typeDISSERTAÇÃOpt_BR
dc.titleAnalise e sintese de estrategias de aprendizado para redes neurais artificiaispt_BR
dc.contributor.authorSilva, Leandro Nunes de Castropt_BR
dc.contributor.advisorVon Zuben, Fernando José, 1968-pt_BR
dc.contributor.advisorZuben, Fernando Jose Vonpt_BR
dc.contributor.institutionUniversidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computaçãopt_BR
dc.contributor.nameofprogramPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectProgramação não-linearpt_BR
dc.description.abstractResumo: : Esta dissertação trata do desenvolvimento, análise e implementação de métodos de treinamento para redes neurais artificiais, envolvendo principalmente métodos que recorrem à informação de segunda ordem vinculadas a redes do tipo perceptron de múltiplas camadas. Como complemento ao estudo das arquiteturas com múltiplas camadas que utilizam treinamento supervisionado, é feita uma análise detalhada de um modelo auto-organizado e são propostas alternativas para alguns problemas críticos das redes neurais artificiais, como a determinação da arquitetura ótima a ser utilizada na solução de cada problema e métodos eficientes para a determinação de condições iniciais. Os resultados deste trabalho têm o propósito de contribuir no sentido de anunciar à comunidade científica que a área de redes neurais artificiais está concluindo um longo e necessário processo de transição entre uma fase inicial, caracterizada pela predominância de aspectos empíricos, e uma fase de maturidade científica, caracterizada pela formalização teórica dos resultados e maior proximidade com outras áreas de atuação científica já estabelecidaspt
dc.description.abstractAbstract: This dissertation aims at developing, analysing and implementing training strategies for neural networks, involving mainly methods that take into account the second order information of feedforward multilayer perceptron networks. As a complement to the study of multilayer architectures, a detailed analysis of a self-organized model is performed, and some alternatives for determining optimal dimensionality of the architecture and efficient initial conditions are also proposed. The results of this work are supposed to contribute in the sense of annoucing to the scientific community that the artificial neural networks field is conc1uding a long and necessary transition between an initial phase, characterized by a great deal of heuristic content, and a phase of scientific maturity, characterized by the theoretical formalization of the results and strong interaction with other well stablished scientific fieldsen
dc.publisher[s.n.]pt_BR
dc.date.issued1998pt_BR
dc.identifier.citationSILVA, Leandro Nunes de Castro. Analise e sintese de estrategias de aprendizado para redes neurais artificiais. 1998. 248p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/259070>. Acesso em: 24 jul. 2018.pt_BR
dc.description.degreelevelMestradopt_BR
dc.description.degreedisciplineAutomaçãopt_BR
dc.description.degreenameMestre em Engenharia Elétricapt_BR
dc.date.defense1998-10-26T00:00:00Zpt_BR
dc.date.available2018-07-24T10:00:13Z-
dc.date.accessioned2018-07-24T10:00:13Z-
dc.description.provenanceMade available in DSpace on 2018-07-24T10:00:13Z (GMT). No. of bitstreams: 1 Silva_LeandroNunesdeCastro_M.pdf: 14816661 bytes, checksum: 8b963de0f31cea05ca05fda64a32f1cc (MD5) Previous issue date: 1998en
dc.identifier.urihttp://repositorio.unicamp.br/jspui/handle/REPOSIP/259070-
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Silva_LeandroNunesdeCastro_M.pdf14.47 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.