Optimisation de la topologie d'un perceptron multicouche

L'intelligence artificielle est de plus en plus présente dans notre société. À cette fin, plusieurs stratégies ont été mises au point. Les réseaux neuronaux artificiels en font partie et possèdent différentes architectures et topologies. Le perceptron multiple, par exemple, est un réseau neuronal qui possède une grande capacité de généralisation, c'est-à-dire que lorsqu'il est utilisé pour la classification de modèles, il est capable de classer correctement des échantillons qui ne lui ont jamais été présentés, en utilisant uniquement son expérience avec des classifications antérieures. Cependant, la capacité de généralisation du perceptron est proportionnelle à la qualité de sa topologie, c'est-à-dire qu'une bonne généralisation nécessite une bonne topologie. Cependant, trouver la topologie idéale pour un perceptron n'est pas chose facile. Ce travail présente l'analyse des métriques utilisées pour trouver la meilleure topologie pour un problème donné.

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.