A escolha da topologia de uma Rede Neural RBF é geralmente realizada por tentativa e erro baseado na experiência do projetista. Os algoritmos de treinamento existentes que determinam a topologia da rede utilizam métodos locais, que apresentam uma grande possibilidade de cair em mínimos locais gerando soluções sub-ótimas. Algoritmos Genéticos representam um método de busca global apropriado para encontrar boas soluções em espaços de busca complexos, como o espaço de busca das topologias das Redes Neurais. Este trabalho propõe um Algoritmo Genético para otimizar a topologia de redes RBF limitando o espaço de busca através de uma técnica de aglomeração. Os resultados obtidos sugerem que esta otimização melhora o desempenho de redes RBF em aplicações financeiras.

The choice of the topology of a RBF Neural Network is usually carried out by trial and error based on the designer experience. The most common training algorithms that define the network topology use local methods which have a large possibility of being trapped at a local minima, producing sub-optima solutions. Genetic Algorithms represent a global search method appropriate to find good solutions in complex search spaces, like the space of Neural Networks topologies. This work proposes a Genetic Algorithm for RBF networks optimisation limiting the search space through a clustering technique. The results achieved suggest that this optimisation improves the performance of RBF networks in finance applications.