Navegando por Palavras-chave "Treinamento de redes neurais artificiais"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    O método de Levenberg-Marquadt estocástico aplicado ao treinamento de redes neurais artificiais
    (2020-07-30) Benatti, Kléber; Bueno, Luis Felipe Cesar da Rocha [UNIFESP]; Nazaré, Tiago
    Este trabalho apresenta resultados referentes ao TCC do primeiro autor no curso de especialização em Data Science financiado pelo Itaú-Unibanco. O método de Levenberg-Marquadt tem mostrado bons resultados na resolução de problemas de quadrados mínimos não linear, pois alia a convergência do método de Newton utilizando apenas informação de primeira ordem e a boa definição de todos os seus iterandos. Sendo assim, uma aplicação natural desta técnica seria utilizá-la para minimização da função custo associado ao treinamento de redes neurais artificiais. Porém, o cálculo da matriz Jacobiana associada ao sistema pode ser muito caro quando o número de instâncias é muito alto, o que torna a otimização muito lenta. Desta forma, neste trabalho é proposto um método do tipo Levenberg-Marquadt estocástico para a minimização de funções custo associadas às redes neurais. O desempenho do algoritmo é comparado com o método de Levenberg-Marquadt clássico, além do método Adam, que é usualmente aplicado neste contexto.