renato alves ferreira - Universidade Estadual de Feira de Santana
renato alves ferreira - Universidade Estadual de Feira de Santana
renato alves ferreira - Universidade Estadual de Feira de Santana
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Segundo Braga et al (2000), o algoritmo back-propagation utiliza a primeira<br />
<strong>de</strong>rivada parcial do erro total referente a cada peso para ajustar cada um dos pesos. Esta<br />
informação possibilita realizar um gradiente <strong>de</strong>scen<strong>de</strong>nte no espaço <strong>de</strong> pesos. A <strong>de</strong>scida do<br />
gradiente utilizando passos infinitesimais garante a chegada a um mínimo local que, para<br />
vários problemas, po<strong>de</strong> ser um mínimo global ou uma solução aceitável. O problema é o<br />
tempo que o treinamento po<strong>de</strong> levar para convergir, por isso foram criadas várias alterações<br />
no algoritmo <strong>de</strong> retro-propagação que diminuem o tempo <strong>de</strong> treinamento e melhora seu<br />
<strong>de</strong>sempenho na classificação <strong>de</strong> padrões. Dessas variações as mais utilizadas são: back-<br />
propagation com momentum <strong>de</strong> Rumelhart (1986), Quickprop <strong>de</strong> Fahlman (1988), Levenberg<br />
Marquardt <strong>de</strong> Hagan (1994), momentum <strong>de</strong> segunda or<strong>de</strong>m <strong>de</strong> Pearlmutter (1992), Newton <strong>de</strong><br />
Battiti (1991) e o Rprop <strong>de</strong> Riedmiller (1994).<br />
47