André da Motta Sales Barreto
Resumo
As redes de função de base radial (ou redes RBF) vêm se consolidando como uma alternativa de modelo neural para tarefas de aproximação e reconhecimento de padrões. Assim como acontece com outras arquiteturas, a maioria dos algoritmos de treinamento para esse tipo de rede se concentra na configuração de seus parâmetros, e a definição adequada de sua topologia ainda permanece uma questão em aberto. Dentre as propostas para enfrentar esse problema, dois algoritmos se destacam por motivos opostos. O algoritmo dos mínimos quadrados ortogonal (OLS) é um procedimento extremamente eficiente do ponto de vista computacional, mas tende a gerar soluções sub-ótimas. Por outro lado, a aplicação dos algoritmos genéticos (AG’s) à definição topológica das redes RBF normalmente gera excelentes resultados, mas demanda para isso um custo computacional excessivo. A proposta desse trabalho é apresentar um algoritmo híbrido, que absorve as qualidades de ambas as abordagens que lhe deram origem. O algoritmo genético dos mínimos quadrados ortogonal (GOLS) é capaz de gerar soluções sensivelmente superiores àquelas produzidas pelo algoritmo OLS, sem para isso demandar o tempo de máquina consumido por um AG padrão.
Abstract
Radial basis function (RBF) networks are establishing themselves as a choice of neural model for approximation and pattern recognition tasks. As with other architectures, most training algorithms for this kind of neural network are concerned with the parameters optmization, while topology configuration is still an open question. Among the approaches for dealing with this problem, two algorithms stand out for different reasons. The orthogonal least squares algorithm (OLS) is extremely computationally efficient, but tends to generate suboptimal solutions. On the other hand, applying genetic algorithms (GA’s) to the topological definition of RBF networks usually results in excellent solutions, but the associated computational cost is excessive. The proposal of this work is to present a hybrid algorithm, which assimilates the qualities of both original approaches. The genetic orthogonal least squares algorithm (GOLS) is capable of generating solutions substantially better than those produced by the OLS algorithm, without incurring the computational cost of the standard GA.
