Optimierung der Topologie eines mehrschichtigen Perzeptrons

Künstliche Intelligenz ist in unserer Gesellschaft immer präsenter. Zu diesem Zweck wurden verschiedene Strategien entwickelt. Künstliche neuronale Netze waren eine davon und verfügen über verschiedene Architekturen und Topologien. Das Multi-Perceptron beispielsweise ist ein neuronales Netz mit einer hohen Generalisierungsfähigkeit, d. h., wenn es zur Klassifizierung von Mustern verwendet wird, ist es in der Lage, Proben, die ihm noch nie vorgelegt wurden, korrekt zu klassifizieren, indem es lediglich seine Erfahrungen mit früheren Klassifizierungen nutzt. Die Generalisierungsfähigkeit des Perceptrons ist jedoch proportional zur Qualität seiner Topologie, d. h. eine gute Generalisierung erfordert eine gute Topologie. Die ideale Topologie für ein Perceptron zu finden, ist jedoch keine einfache Aufgabe. Diese Arbeit enthält eine Analyse der Metriken, die verwendet werden, um die beste Topologie für ein bestimmtes Problem zu finden.

Autorentext

Jeune scientifique originaire de Juruaia, dans l'État du Minas Gerais. Diplômé en informatique du Centre universitaire de la Fondation éducative Guaxupé (UNIFEG), où il a produit deux travaux scientifiques. Le premier, qui est à l'origine de cet ouvrage, a été développé en 2014 et son résumé a été publié lors du 2e congrès scientifique de l'Unifeg la même année.