Uma abordagem para parametrização de Redes Neurais de Função de Base Radial baseada na combinação de procedimentos não supervisionados e de uma nova proposição de escalonamento de parâmetros.

Abstract

Neste trabalho será apresentada uma abordagem para parametrização de redes RBF (Radial Basis Function) baseada na combinação de procedimentos não supervisionados e uma nova proposição de escalonamento de parâmetros. A metodologia consiste em combinar procedimentos referenciados na literatura com o objetivo de obter modelos de redes RBF com melhores exatidões e algoritmos computacionais mais compactos. Alguns exemplos serão utilizados para ilustrar o emprego da abordagem proposta e também servirão para realizar comparações de resultados com os principais procedimentos referenciados em textos da área. As redes neurais com funções de base radial (RBF) são modelos não lineares que podem realizar um mapeamento (interpolação) eficiente de dados de entrada e saída de diversos tipos de sistemas, resultando em boa capacidade de generalização aliada a processamentos de informações de forma compacta, possibilitando na representação eficiente de sistemas dinâmicos complexos e de séries temporais, por exemplo. Os bons resultados na capacidade de interpolação de uma RBF dependem de alguns parâmetros que devem ser adequadamente ajustados. Algumas abordagens foram desenvolvidas nesse contexto. O procedimento proposto neste trabalho mostrou-se ser uma alternativa promissora, com aplicação direta e que apresenta uma exatidão adequada para várias aplicações práticas. Exemplos como aproximações de funções, modelagem de sistemas dinâmicos não lineares, previsão de série temporal e classificação de padrões serão discutidos com a finalidade de exemplificar os procedimentos propostos, além de servir de comparações com os resultados obtidos por outras técnicas utilizadas em redes RBF.