Resumo:
As redes neurais de funções de base radial (RBF - Radial Basis Function) têm sido utilizadas para a resolução de vários problemas em diversos contextos. Os parâmetros de uma rede de base radial (valores de centros, larguras e pesos) têm grande influência na sua capacidade de mapear relações entre seus dados de entrada e saída. Algumas abordagens apresentam procedimentos diversificados para determinar e otimizar estes parâmetros. Este trabalho aborda a combinação de métodos não supervisionados com o algoritmo de enxame de partículas (PSO - Particle Swarm Optimization) para a determinação de parâmetros em redes RBF. O algoritmo de otimização realiza um refinamento nos valores das larguras das funções de base radial a partir de um procedimento prévio de seleção de parâmetros. Utilizando valores pré-ajustados, o algoritmo converge em um menor número de passos em relação aos parâmetros inicializados aleatoriamente. O uso da abordagem proposta proporciona uma boa melhoria na exatidão de modelos de redes RBF em aplicações de aproximação de funções, previsão de série temporal e classificação de padrões.