Resumo:
Este trabalho apresenta uma nova técnica de treinamento de redes neurais artificiais baseado em técnicas geométricas. Este método tem a capacidade de gerar a topografia da rede sem necessidade de especificação de parâmetros. Técnicas similares, baseadas em fatores geométricos, vêm sendo desenvolvidas com altas taxas de acerto e boa capacidade de generalização. Neste trabalho adaptamos o teorema de eixos de separação para espaços n-dimensionais, expandindo o conceito de OBB-trees para OBHB-trees. O algoritmo é composto de quatro tapas: construção das OBHB’s, busca dos hiperplanos de separação usando o teorema dos eixos de separação, seleção do melhor conjunto de hiperplanos e especificação da rede neural. Resultados experimentais demonstram que esta técnica pode ser utilizada com sucesso em problemas de classificação.