Aplicação de uma heurística para atribuição de pesos e bias iniciais ao perceptron multicamadas.
Redes Neurais Artificiais. Classificação. Heurística. HAPSIv1.0. Aprendizado de Máquina.
Redes Neurais Artificiais Multicamadas (RNA MLP) são capazes de aprender e generalizar o conhecimento adquirido para a classificação de dados, podendo ser aplicada aos mais diversos estudos de caso, onde a inteligência artificial é útil e vantajosa para resolver problemas do mundo real. Entretanto a aprendizagem de máquina com alta acurácia para RNA MLP é NP-Difícil, devido ser árduo a convergência de aprendizagem, para um ótimo
global, dentro do espaço de busca gerado pelos dados de treinamento. Por isso o questionamento, se uma heurística de busca nos dados de treinamento, para o cálculo de pesos e bias iniciais para uso em treinamento por
algoritmo de "Retropropagação de Erro", melhoraria significativamente da acurácia? Será desenvolvida uma Heurística de Atribuição Pesos Sinápticos e Bias Iniciais (HAPSIv1.0), e usado o método experimental para treinamento Supervisionado, combinando maneiras diferentes de cálculo de pesos e bias iniciais, para verificação de acurácia da RNA MLP. Espera-se que a heurística desenvolvida melhore significativamente a acurácia. Os
resultados dos experimentos serão medidos por teste de hipótese. O alcance de melhoria avança a relevância de uso de RNA MLP, em problemas de classificação do mundo real, que serão resolvidos com maior corretude.