| Informações da proteção | ||
| Título: Redes neurais SOM e TASOM | ||
| Nº da proteção: | BR 51 2018 051977 | |
| Instituições titulares: | Universidade de Brasília (UnB) | | Link do site |
| Data da expedição do registro: | 06/11/2018 | |
| Data da publicação ou criação: |
01/06/2015 | |
| Tipo de proteção: | programa de computador | |
| Linguagem: | C, C++ | |
| Prazo legal de proteção: | 50 anos contados a partir de 1º de janeiro do ano subseqüente ao da sua publicação ou, na ausência desta, | |
| da sua criação (art 2º, §2º da Lei nº 9.609/1998). | ||
| Inventores | ||
| Pela UnB: | Gustavo Corrêia de Lima | | Lattes |
| Nilton Correia da Silva | | Lattes | |
| Unidades da UnB envolvidas do desenvolvimento da tecnologia | ||
| Unidade Acadêmica: | Faculdade UnB Gama (FGA) | | Link do site |
| CLASSIFICAÇÃO | ||
| Classificação - Categoria: | Ciências exatas e informática | |
| Classificação - Subcategoria: | Inteligência Artificial | |
REDES NEURAIS SOM E TASOM
Redes neurais são modelos computacionais inspirados no funcionamento do cérebro humano, capazes de aprender a partir de dados e realizar tarefas complexas. Uma das formas de aprendizado das redes neurais é a auto-organização, que consiste em ajustar os pesos das conexões entre os neurônios de acordo com a similaridade dos dados de entrada. Uma rede neural de Kohonen clássica (SOM) é um tipo de rede neural auto-organizável que forma um mapa bidimensional dos dados de entrada, preservando as relações topológicas entre eles. Uma rede neural de Kohonen adaptativa ao tempo (TASOM) é uma extensão da SOM que leva em conta a variação temporal dos dados, permitindo que o mapa se adapte às mudanças nos padrões de entrada. O desenvolvimento dessas tecnologias envolve diversos desafios, como a escolha dos parâmetros de aprendizado, a definição da função de vizinhança, a avaliação da qualidade do mapa gerado e a interpretação dos resultados. Além disso, essas redes neurais requerem um alto custo computacional para processar grandes volumes de dados, o que pode limitar sua aplicação em cenários reais.
Sob essa perspectiva, pesquisadores da Universidade de Brasília (UnB), desenvolveram o software comparador de redes neurais de Kohonen, que tem o objetivo de analisar e comparar o funcionamento e o desempenho de dois tipos de redes neurais artificiais: a rede neural de Kohonen clássica (SOM) e a rede neural de Kohonen adaptativa ao tempo (TASOM). O software permite parametrizar as redes, alimentá-las com dados de treinamento, teste e uso, observar o comportamento dos algoritmos e avaliar a performance de cada uma delas. O software foi desenvolvido porque havia a necessidade de comparar o algoritmo TASOM, que é uma evolução do algoritmo SOM e possui aprendizagem incremental, com o algoritmo SOM, que é o mais utilizado na literatura. Assim, era preciso verificar como os dois algoritmos funcionavam internamente e como era o seu desempenho ao serem apresentados ao mesmo conjunto de dados.
VANTAGENS
• Eficiência: Permite a observação do comportamento e a avaliação da performance dos algoritmos SOM e TASOM, que diferem na forma de aprendizagem incremental;
O software contribui para o avanço do conhecimento sobre as redes neurais de Kohonen e suas aplicações em diversas áreas.
• Versatilidade: Possibilidade de parametrizar, treinar, testar e usar dois tipos de redes neurais de Kohonen: a clássica (SOM) e a adaptativa ao tempo (TASOM).
Agenda 2030 da ONU:
Gostou dessa tecnologia?
Entre em contato com a Agência de Comercialização de Tecnologias (ACT) da Coordenação de Inovação eTransferência de Tecnologia (CITT) do Centro de Apoio ao Desenvolvimento Tecnológico (CDT).
