Propagação de alvos em redes neurais artificiais
Resumo
Rede neural artificial é um tipo de inteligência artificial dedicada ao estudo de sistemas artificiais
que aprendem com dados. O treinamento de redes neurais necessita de um método
que evolua seus parâmetros internos de tal forma que melhore sua capacidade de resolver
algum problema determinado. Propagação de alvos é um método de treinamento que calcula
a melhor atividade neural para atingir um objetivo. Desenvolvemos uma variação da
propagação de alvos que calcula a atividade ideal de acordo com o gradiente de uma função
do objetivo. Inicialização aleatória de pesos é uma técnica para inicializar valores peso
aleatórios presentes em redes neurais antes de treinamento. Apresentamos uma inicialização
que considera a não-linearidade de neurônios e a distribuição de dados de entrada.
Hiperparâmetros são valores que regulam variações de parâmetros de modificação. Estes
valores são geralmente especificados heuristicamente, desperdiçando recursos computacionais.
Mostramos uma forma de obter os hiperparâmetros sem a necessidade de algoritmos
de busca. Rede neural quântica é um tipo de inteligência artificial que usa fenômenos
quânticos para realizar computação. Inspirado em uma teoria de emaranhamento no cérebro
biológico, desenvolvemos uma técnica de correlação quântica entre neurônios que
melhora o desempenho sobre certas condições. Através do problema de classificação de
imagens, os resultados mostram que as quatro técnicas desenvolvidas beneficiam o desempenho
de redes neurais, podendo até mesmo reduzir o custo computacional em certos
casos.
Coleções
Os arquivos de licença a seguir estão associados a este item: