Publicação: Proposta de um método de reamostragem em redes neurais com aplicação em transformação entre sistemas de coordenadas
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
No desenvolvimento de redes neurais artificiais, como em qualquer algoritmo de machine learning, é comum separar os dados relativos ao problema em um conjunto de treinamento e um conjunto de testes. Os dados de treinamento são utilizados para estimar os parâmetros inerentes à rede, e os dados de teste são empregados para verificar a performance da rede sob condições reais de utilização. No entanto, surge aqui uma importante questão: como confiar nos resultados fornecidos por uma rede em particular? Devido à aleatoriedade relacionada à própria rede (arquitetura, inicialização e procedimento de aprendizado), geralmente não há a melhor escolha. Considerando essa questão, fornecemos uma abordagem que captura a aleatoriedade relacionada à própria rede. A ideia é basicamente desenvolver várias redes para uma mesma arquitetura e algoritmo de aprendizagem por meio da repetição do processo de particionamento aleatório dos dados disponíveis. Trata-se, portanto, de uma técnica de reamostragem. Consequentemente, a predição intervalar está disponível em vez da clássica predição pontual, em que a incerteza da predição é desconsiderada. O método proposto foi aplicado em um problema de transformação entre sistemas de coordenadas. Importante destacar que um dos resultados que o método oferece é o de possibilitar a descrição dos pontos de maior ou menor viés e acurácia. Apesar de restringirmos ao modelo de rede neural, o método proposto também pode ser estendido a outras ferramentas estatísticas modernas, tal como a Krigagem.
Abstract
In developing artificial neural networks (ANN), the available dataset is split into three categories: training and testing. However, an important problem arises: How to trust the prediction provided by a particular ANN? Due to the randomness related to the network itself (architecture, initialization and learning procedure), there is usually no best choice. Considering this issue, we provide a framework which capture the randomness related to the network itself. The idea is basically to develop several networks for the same architecture and learning algorithm by repeating the random partitioning process of available data. Consequently, interval prediction is available instead of point prediction. The proposed method was applied to a coordinate transformation problem. The re-sampling method spatially characterizes the points of greater or lesser bias and accuracy. Although we restrict it to the neural network model, the resampling method proposed can also be extended to others modern statistics tools such as Kriging.
Palavras-chave
Redes Neurais Artificiais, Artificial Neural Networks, Reamostragem, Resampling, Transformação, Transformation, Predição, Prediction, Acurácia, Accuracy
Citação
CAMPOS, Caio Cesar. Proposta de um método de reamostragem em redes neurais com aplicação em transformação entre sistemas de coordenadas. 2021. 46 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia, Monte Carmelo, 2021.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto