Economia

Pontifícia Universidade Católica do Paraná – P.U.C/PR
Centro de Ciências Exatas e Tecnologia – C.C.E.T.

IMPLEMENTAÇÃO E TREINO DE UMA REDE MLP COM ALGORITMO BACKPROPAGATION

Curitiba
2011

Pontifícia Universidade Católica do Paraná – P.U.C/PR
Centro de Ciências Exatas e Tecnologia – C.C.E.T.

Henrique Soares Hinke
José Eduardo da Silva Rodrigues
Matheus Augusto de Queiroz Sene

IMPLEMENTAÇÃO E TREINO DE UMA REDE MLP COM ALGORITMO BACKPROPAGATION

Trabalho apresentado como complemento avaliatório no sexto período. Orientador: Julio Cesar Nievola. No Curso de Engenharia da Computação, da Pontifícia Universidade Católica do Paraná.

Curitiba
2011
Introdução

Neste trabalho será realizado a Implementação e o Treino de 3 Redes MLP com Algoritmo Backpropagation. Com o auxilio do programa Joone, que um programa utilizado para a construção de redes neurais e é criado na linguagem Java.
Com o auxilio do site http://archive.ics.uci.edu/ml/datasets.html que fornece diversas bases de problemas que podem ser usadas em redes neurais.

Algoritmo Backpropagation

O Algoritmo Backpropagation que é um algoritimo para treinar redes multi-camadas mais difundido. Ele é baseado no aprendizado supervisionado por correção de erros, ele é constituido por 2 fases propagação e retropropagação.
A primeira (propagação), depois que é apresentado o padrão de entrada, a resposta de uma unidade é propagada como entrada para as unidades na camada seguinte, até a camada de saída, onde é obtida a resposta da rede e o erro é calculado. E a segunda (retropropagação) desde a camada de saída até a camada de entrada, são feitas alterações nos pesos sinápticos.
Durante a fase treinamento devemos apresentar um conjunto formado pelo par: entrada para a rede e valor desejado para resposta a entrada. A saída será comparada ao valor desejado e será computado o erro global da rede, que influenciará na correção dos pesos no passo de retropropagação. Apesar de não haver garantias que a rede forneça uma