• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
10.11606/D.55.2018.tde-06032018-161351
Document
Auteur
Nom complet
Marco Antonio Alvarez Vega
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 1999
Directeur
Jury
Carvalho, André Carlos Ponce de Leon Ferreira de (Président)
Camargo, Heloisa de Arruda
Monard, Maria Carolina
Titre en portugais
Um Estudo Comparativo de Técnicas de Pruning para Redes Neurais Artificiais
Mots-clés en portugais
Não disponível
Resumé en portugais
Redes Neurais Artificiais (RNAs) têm proporcionado uma solução eficiente para uma grande variedade de problemas práticos. Infelizmente, a seleção dos parâmetros ideais para o processo de aprendizado, bem como a escolha da topologia adequada, não são tarefas triviais Geralmente, o processo de escolha do número de parâmetros livres é informal, e as redes são treinadas com diferentes topologias e complexidades até que a de melhor desempenho seja encontrada. Este procedimento nem sempre produz redes de tamanho mínimo, o que em muitos casos inviabiliza a implementação. Nesta dissertação é apresentado um estudo comparativo de diversas técnicas de Pruning, as quais têm como objetivo minimizar a complexidade da rede, sem degradar sua capacidade de generalização. Um grande número de experimentos foi realizado, utilizando diversas técnicas previamente selecionadas. Uma análise dos resultados obtidos é também apresentada, indicando o comportamento das técnicas de Pruning em geral, e identificando as de melhor desempenho.
Titre en anglais
Not available
Mots-clés en anglais
Not available
Resumé en anglais
Artificial Neural Networks offer an efficient solution to a wide variety of practical problems. However, choosing an appropriate topology for an Artificial Neural Network is a difficult task. Generally, the process of choosing the number of free parameters is informal and networks are trained with different complexities and topologies until the one with the best performance be selected. This procedure usually does not generate minimal size networks, which can make their implementation unfeasible. In the present work, a comparative study of Pruning techniques is presented. Such techniques are used to improve the complexity of networks, reducing their size without considerably degrading their generalization ability. A large number of experiments was performed with a set of previously selected techniques. The results were analyzed in order to study the behavior of the Pruning techniques in general, as well as identifying those which provide the best performance.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2018-03-06
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2021. Tous droits réservés.