Sintese ia

Disponível somente no TrabalhosFeitos
  • Páginas : 8 (1934 palavras )
  • Download(s) : 0
  • Publicado : 24 de abril de 2013
Ler documento completo
Amostra do texto
Os principais resultados do autor de dissertação artificiais Meta modelos de rede neural de simulações de computador Estocásticos são discutidos juntamente com os desdobramentos sobre a modelagem de combate e recomendações para futuras pesquisas.
Aplicações de Redes neurais Artificiais de combater a simulações.

A necessidade de desenvolver simulações de combate está na utilização domesmo para formação da velocidade do olhar realista é importante, fazendo com que as simulações internas sejam precisas e eficientes.

USANDO ANN PARA AJUDAR OS MODELOS DE COMBATE

Uma possível abordagem não paramétrica é ter uma rede neural artificial, por uma entrada e saída da simulação de computador. As redes neurais não são sensíveis a desvios tradicionais do modelo estatístico comovariância do erro constante.

Existem cinco modos básicos que a ANN poderiam ser usados para ajudar os modelos de simulações de combate. Em primeiro lugar utilizar o RNA para modelos do fenômeno físico em um esforço pra tirar vantagens da natureza inerentemente do processamento paralelo. Finalmente com a ANN treinada na saída da simulação, são executados diversos estudos como instrumento de analise desimulação. As ultimas três abordagens implicam na simulação de combate para fornecer exemplos de treinamento para desenvolver a ANN.

A idéia de usar uma RNA para simulação pode parecer rotina para pesquisadores com uma extensa experiência em redes neurais, mas essa razão é que há muitos exemplos de pesquisadores utilizando simulações de computador para obter dados para treinar suas redes. A ANNtem sido utilizada para realizar aproximação de função, no entanto, as simulações de combate são difíceis de aproximar. Existem três grandes diferenças entre o uso de RNA para simulações estocásticas e utilizando RNA. Em primeiro lugar, devido à natureza estocástica da simulação, um determinado conjunto de entradas produz saídas diferentes, assim agravando a formação. A linha de base da APROXIMAÇÃOde um meta modelo de rede Artificial Neural

Um meta modelo é um modelo de um modelo. Um meta modelo é uma aproximação da simulação que realiza satisfatoriamente e é significativamente mais eficiente computacionalmente. Abordagens típicas de meta Modelo na simulação envolvem o uso de modelos de regressão em métodos de superfície de resposta. Cada um desses pesquisadores foi bem-sucedido no usode redes neurais como meta modelos de simulações estocásticas. ANN utilizada como meta modelos de simulações de computador de um sistema de inventário de duas entradas para estimar o valor da média da saída de simulação e em um estudo pormenorizado de um modelo de quatro entradas de inventário para estimar a média e variância da saída de simulação, de modo que a confiança e intervalos de prediçãopodem ser calculados.

Uma linha de base aborda meta modelo ANN para aproximar simulações de computador eventos discretos foi desenvolvido a fim de determinar um caminho viável, eficaz e eficiente para desenvolver meta modelos precisas de simulações de computador. A segunda fase consiste em desenvolver uma aproximação da rede neural da simulação em computador com base nos dados obtidos a partirda primeira fase, como exemplos de treino a ser aprendido pela Propagação retroativa, conectado a rede neural artificial “feed forward”. Os resultados de cada passagem pelo conjunto de dados são salvos em um arquivo e o melhor desempenho da rede no conjunto de treinamento é identificado. O treinamento da rede é realizado novamente, desta vez terminando na rede mais bem treinada e os resultadosdesta rede mais bem treinada salva. Finalmente, a rede de formação guardado é avaliada no aparelho de teste. A terceira fase é avaliar os resultados da RNA treinada para determinar se os dados de simulação adicional é necessária. A linha de base do meta modelo ANN em que a abordagem foi desenvolvida em uma simulação por computador (s, S) de inventário, e também foi aplicada a uma grande simulação...
tracking img