Algoritmo De Aprendizagem Para Redes Neurais Estocásticas: G-Networks

A new learning algorithm is proposed for the stochastic network which was developed by Erol Gelenbe. The G-networks, as these stochastic networks were called, are in fact a queueing system with positive and negative customers which model the inhibitory and excitatory pulses of a neural network. This kind of approach becomes attractive as it has a closer analogy with biological systems. We aim to obtain a learning process to solve classification tasks. The scheme developed here is a learning method which compare the output at all neurons before deciding the classification of it. Intervals’ upper and down Limits for each neuron are defined and they are updated during the training faze to help in this choice. Keywords— Classification Problems, Neural Networks, Queueing, Learning. Resumo— Um novo algoritmo de aprendizagem é proposto para a rede estocástica desenvolvida por Erol Gelenbe. Essa rede foi denominada de G-networks, e é na verdade um sistema de filas com chegadas positivas e negativas que modelam os pulsos inibitórios e exitatórios de uma rede neural. Essa analogia se torna atraente por ser mais próxima dos sistemas biológicos. Nosso objetivo aqui é obter um processo de aprendizagem que possa ser usado em problemas de classificação. Logo, desenvolvemos um método de aprendizagem que compara a sáıda em cada neurônio antes de decidir à qual classe esse pertence. Para ajudar nessa decisão, são definidos limites superiores e inferiores para cada neurônio. Durante a fase de treinamento esses limites são atualizados. Keywords— Problemas de Classificação, Redes Neurais, Filas, Aprendizagem.