32,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Inteligencia artificial está cada dia mais presente em nossa sociedade. E para isto, várias estratégias foram criadas. As Redes Neurais Artificiais foi uma delas e possui diversas arquiteturas e topologias. A Perceptron de Múltiplas, por exemplo, é uma rede neural que possui uma grande capacidade de generalização, ou seja, quando usada para classificação de padrões, ela é capaz de classificar corretamente amostras que nunca foram apresentadas a ela, apenas utilizando sua experiencia com classificações anteriores. Todavia, a capacidade de generalização da perceptron é proporcional a qualidade…mehr

Produktbeschreibung
Inteligencia artificial está cada dia mais presente em nossa sociedade. E para isto, várias estratégias foram criadas. As Redes Neurais Artificiais foi uma delas e possui diversas arquiteturas e topologias. A Perceptron de Múltiplas, por exemplo, é uma rede neural que possui uma grande capacidade de generalização, ou seja, quando usada para classificação de padrões, ela é capaz de classificar corretamente amostras que nunca foram apresentadas a ela, apenas utilizando sua experiencia com classificações anteriores. Todavia, a capacidade de generalização da perceptron é proporcional a qualidade de sua topologia, ou seja, uma boa generalização requer uma boa topologia. No entanto, encontrar a topologia ideal para uma perceptron não é algo simples. Este trabalho traz a analise de métricas utilizadas para encontrar a melhor topologia para um determinado problema.
Autorenporträt
Jovem cientista natural de Juruaia, Minas Gerais. Graduado em Ciência da Computação pelo Centro Universitário da Fundação Educacional Guaxupé (UNIFEG), de onde produziu dois trabalhos científicos. O primeiro deles, semente desta obra, foi desenvolvido em 2014 e seu resumo foi publicado no 2º congresso científico do Unifeg no mesmo ano.