Ciência, saúde e esporte: conhecimento e acessibilidade
21 a 26 de outubro de 2013
Trabalho 1542
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Engenharia, ergonomia e segurança do trabalho |
| Setor | Departamento de Engenharia Civil |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Mateus Couri Petrauski |
| Orientador | GUSTAVO DE SOUZA VERISSIMO |
| Outros membros | JOSE LUIZ RANGEL PAES, Sérgio Weber Lopes |
| Título | Utilização de Redes Neurais Artificiais no refinamento de modelos de regressão |
| Resumo | Os modelos de regressão são frequentemente utilizados para estimar resultados no estudo de problemas em diversas áreas do conhecimento. Quando o fenômeno em causa apresenta um comportamento complexo, ou é influenciado por um grande número de variáveis, os modelos de regressão eventualmente se mostram úteis, ao aproximar uma função que simula o fenômeno quando a dedução de um modelo analítico não é possível. Quando se fazem medições durante o estudo de um fenômeno qualquer, por maior que seja o rigor do observador no processo de medição, sempre há um erro associado a cada medição e esse erro é variável, podendo assumir valores de pico em determinados casos. A correlação entre o modelo experimental e o modelo teórico adotados é influenciada pelos erros de medição. A qualidade do modelo de regressão dependerá da qualidade dos dados obtidos. As Redes Neurais Artificiais (RNA) trabalham de forma parecida com os modelos de regressão, no tocante ao ajuste dos parâmetros livres do modelo, na medida em que se ajustam a partir de um critério de busca do erro mínimo. Porém, há uma diferença entre essas duas ferramentas: os modelos de regressão são construídos pelo pesquisador e, portanto, a partir da sua interpretação do fenômeno; as RNA, por outro lado, trabalham independentemente da interpretação do pesquisador, aprendendo as relações implícitas entre as variáveis do problema praticamente sem interferência humana. Por essa razão, podem ser úteis para o refinamento de um modelo de regressão, quando empregadas em associação com ele, pois quando produzem resultados com melhor correlação que os gerados pelo modelo de regressão, isso pode indicar que ainda há alguma influência que não foi percebida pelo pesquisador. O objetivo deste trabalho foi verificar a possibilidade de refinar, ou melhorar, modelos de regressão com o auxílio de RNA. Para isso, foram realizados alguns estudos de caso de problemas de engenharia estrutural, utilizando dados experimentais para ajustar modelos de regressão e treinar RNA. A metodologia adotado foi ajustar um modelo de regressão preliminar, a partir dos dados brutos, em seguida treinar uma RNA com os mesmos dados, estimar as respostas para os mesmos casos com a RNA treinada e fazer nova análise de regressão utilizando as respostas da RNA. Os resultados obtidos demonstram que é possível conseguir um refinamento dos modelos de regressão através do procedimento proposto. |
| Palavras-chave | redes neurais, regressão, modelos semi-empíricos |
| Forma de apresentação..... | Oral |