Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Objetivo
Problema
N=5
m b r SSE
y1 1.0744 -0.0012 0.9376
y2 0.9578 0.0373 0.9911 0.2792
T 0.9883 0.2506 0.9974
N=6
m b r SSE
y1 0.9653 0.0130 0.9500
y2 0.9284 0.0489 0.9923 0.2343
T 1.0078 -0.7987 0.9985
N=7
m b r SSE
y1 1.0196 0.0057 0.9457
y2 0.9151 0.0561 0.9931 0.2565
T 1.0063 -0.8549 0.9983
N=9
m b r SSE
y1 1.0076 0.0042 0.9513
y2 0.9088 0.0613 0.9945 0.2594
T 0.9959 -0.4992 0.9978
N=12
m b r SSE
y1 1.0190 0.0036 0.9489
y2 0.9101 0.0620 0.9951 0.2642
T 0.9971 -0.5676 0.9981
N=15
m b r SSE
y1 1.0393 0.0009 0.9386
y2 0.9225 0.0557 0.9963 0.2553
T 0.9957 -0.4040 0.9982
N=20
m b r SSE
y1 1.0747 -0.0058 0.9359
y2 0.9125 0.0573 0.9967 0.2503
T 1.0042 -1.0183 0.9983
N=30
m b r SSE
y1 1.0597 -0.0025 0.9439
y2 0.9165 0.0575 0.9968 0.2447
T 1.0013 -0.8762 0.9983
Na Figura 3 é apresentado o valor da SSE em função do número de neurônios na
camada intermediaria. Conforme pode-se observar na Tabela 1, de acordo com o critério
do erro SSE, a estrutura da rede que melhor representou os dados foi com 6 neurônios na
camada intermediaria. Pôde-se observar que a medida que N aumenta, ocorre uma
diminuição no valor de SSE. Porém durante a simulação, percebeu-se que o modelo
neural construído levou mais tempo para finalizar a execução do programa.
0,285
0,280
0,275
0,270
0,265
0,260
SSE
0,255
0,250
0,245
0,240
0,235
0,230
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
N
m b r SSE
y1 1.0267 -0.0087 0.9921
y2 0.9452 0.0405 0.9908 0.6671
T 0.9428 1.9373 0.9772
Neste caso, foi constatada a capacidade de interpolação que uma rede neural
pode apresentar.
m b r SSE
y1 1.0000 0.0076 0.9900
y2 0.9823 -0.0178 0.9860 1.6233
T 0.9910 5.2273 0.9787