Módulo de Validação Cruzada n º Treinamento de Redes neurais Artificiais com backpropagation Algoritmos e propagação resiliente

Abstract

A Metodologia de Redes neurais Artificiais (RNAs) TEM Sido Aplicada NAS Soluções de Problemas Diversos, enguias Dentre, NAS Aplicações voltadas algumas áreas Específicas Cujo OBJETIVO geralmente e auxiliar nd Tomada de Decisões. Parte Destas Aplicações e resolvida com simuladores, Por Exemplo, o JavaNNS EO SNNS. Situações Em determinadas, porém, e Necessário Buscar UO Informações Valores Variáveis Que estao eles, ou ainda, implícitos nsa codigos de Algoritmos de Treinamento Destes simuladores, Sendo nao acessíveis diretamente AO Usuario, in Situação Que o USO dos simuladores Torna-se insuficiente. Surge entao uma necessidade de Sistemas Específicos desenvolver, implementando de Todos os Mecanismos de CRIAR e treinar de como RNAs, Sendo hum also estabelecer Meio Necessário n º Validar OS DOS RESULTADOS OBTIDOS Sistemas. Diante disso, Este Trabalho Apresenta o Desenvolvimento De Um Módulo de Validação Cruzada (MVC), par o Sistema Inteligente par Tratamento de Dados de Molhamento Foliar Por Orvalho nd Cultura do Trigo: PMNeural. Questão n. in MVC, Pôde-se Acompanhar o Treinamento da Rede Por Meio De Um Gráfico Que Duas Curvas exibe, UMA parágrafo o Erro de Treinamento e outra o parágrafo de Validação. O Treinamento e interrompido quando uma curva de Validação decresce um hum Mínimo Erro, e os antes de comecar uma Crescer, Conforme o Treinamento contínuos.

metodologias de redes neurais artificiais (RNAs) têm sido aplicadas na solução de vários problemas, entre eles os presentes em áreas específicas, cujo objetivo é geralmente tomada de decisão. Uma parte destas aplicações é feita por meio de simuladores, por exemplo, JavaNNS e SNNS. Em determinadas situações, no entanto, é necessário buscar informações ou valores que estão dentro das variáveis, ou então, implícita nos algoritmos de treinamento destes simuladores, e, portanto, não diretamente acessíveis para o usuário, uma situação em que o uso de simuladores torna-se insuficiente . Surge então a necessidade de desenvolver sistemas específicos, execução de todos os mecanismos para a criação e treinamento de RNAs, embora seja ainda necessário estabelecer um meio para a validação dos resultados obtidos a partir dos sistemas. Portanto, este estudo apresenta o desenvolvimento de um módulo de validação cruzada (CVM), para o Sistema de Processamento de Dados Inteligente para o molhamento de folhas por orvalho em plantações de trigo: PMNeural. Através deste CVM pode acompanhar o treinamento da web por meio de um gráfico que mostra as duas curvas, uma para os erros de treinamento e outro para erros de validação. O treinamento é interrompido quando a curva de validação diminui para um erro mínimo, e antes que ela aumenta, como a formação continua.