Utilizando uma rede neural artificial para aproximação da função de evolução do sistema de Lorentz

Abstract

The main objective of this paper is to approximate the temporal evolution function of the Lorenz system using Artificial Neural Networks (ANN) type Multilayer Perceptron (MLP). Apart from this main objective, as a specific objective, presents the basic concepts of ANN, a brief history of chaos theory and the Lorentz system. The methodology used in the structuring of this paper was defined as bibliographic and experimental. Currently, there is great interest in models of neural networks to solve unconventional and complex problems, in this context the ANN have emerged as an alternative for numerous applications in various areas of knowledge. The results of the experiments indicate positively to the use of ANN. It is hoped that this paper encourage the use of ANN in complex applications where learning, association, generalization and abstraction are needed to support decision-making. It was concluded that the use of ANN could be an alternative for solving problems involving approximation functions.

Análise da pressão plantar da marcha de autistas por dinâmica simbólica otimizada por algoritmo genético

“…Redes de camada única: é considerado o mais simples modelo de rede (HAYKIN, 2001;SOARES et al, 2014;MARTINIANO et al, 2016). Redes com essa arquitetura têm apenas a camada de entrada e a camada de saída, não possuindo nenhuma camada oculta.…”

“…A arquitetura de uma rede de múltiplas camadas consiste no arranjo topológico das unidades de processamento dos neurônios com os respectivos valores de pesos associados às conexões. Os pesos sinápticos são ajustados para fazer com que a resposta real da rede se aproxime da resposta desejada (MARTINIANO et al, 2016). A Figura 15 mostra uma RNA multicamada com duas camadas intermediárias.…”