MÓDULO DE VALIDAÇÃO CRUZADA PARA TREINAMENTO DE REDES NEURAIS ARTIFICIAIS COM ALGORITMOS BACKPROPAGATION E RESILIENT PROPAGATION - Doi: http://dx.doi.org/10.5212/Publ.Exatas.v.14i1.017024
DOI:
https://doi.org/10.5212/publicatio.v14i01.954Palavras-chave:
Inteligência Artificial, Perceptron de Múltiplas Camadas, Algoritmo de Treinamento, Sistemas de Apoio à Decisão, Molhamento foliar.Resumo
A metodologia de Redes Neurais Arti
fi ciais (RNAs) tem sido aplicada nas soluções de diversos problemas, dentre eles, nas aplicações voltadas a áreas específicas cujo objetivo geralmente é auxiliar na tomada de decisões. Parte destas aplicações é resolvida com simuladores, por exemplo, o JavaNNS e o SNNS. Em determinadas situações, porém, é necessário buscar informações ou valores que estão em variáveis, ou ainda, implícitos nos códigos de algoritmos de treinamento destes simuladores, não sendo acessíveis diretamente ao usuário, situação em que o uso dos simuladores torna-se insufi ciente. Surge então a necessidade de desenvolver sistemas específi cos, implementando todos os mecanismos de criar e de treinar as RNAs, sendo também necessário estabelecer um meio para validar os resultados obtidos dos sistemas. Diante disso, este trabalho apresenta o desenvolvimento de um Módulo de Validação Cruzada (MVC), para o Sistema Inteligente para Tratamento de Dados de Molhamento Foliar por Orvalho na Cultura do Trigo: PMNeural. No MVC, em questão, pode-se acompanhar o treinamento da rede por meio de um gráfi co que exibe duas curvas, uma para o erro de treinamento e outra para o de validação. O treinamento é interrompido quando a curva de validação decresce a um erro mínimo, e antes de começar a crescer, conforme o treinamento continua.
