Relacionando uma função polinomial com redes neurais artificiais tipo perceptron múltipla camada (MLP)

Abstract

Este trabalho apresenta uma maneira de implementar suporte à decisão de usar redes neurais artificiais (RNA) juntamente com estatística univariada e multivariada. Na proposta, a RNA do tipo perceptron de múltiplas camadas (MLP) e dois experimentos. No primeiro experimento, usou-se uma regressão polinomial de grau 7, responsável pelo ajuste e predição de uma função específica y = x cos(x) perturbada comum erro e ∼ N(0, 1). Em que, a rede (MLP) e a regressão polinomial de grau 7 apresentaram resultados satisfatórios. Além disso, esse primeiro experimento também tem como objetivo identificar o desempenho das técnicas usadas compará-las com o erro médio quadrático gerado por ambas as técnicas. Para o segundo experimento, criou-se uma função do tipo y = humps(x) perturbada comum erro e ∼ N(0, 1) de forma que a rede MLP e uma regress˜ao polinomial de grau 19 que aproximem a função de Humps perturbada, avaliando do desempenho de ambas com finalidade de compará-las, da mesma forma que no primeiro experimento, além de compará-las, nesse segundo experimento usou-se também o coeficinte de determinação R2 para medir a qualidade do modelo.