Análise e expansão de uma arquitetura neural capaz de calcular sua própria confiabilidade

• Abner C. Rodrigues Neto UFSC
• Mauro Roisenberg UFSC
• Guenther Schwedersky Neto Petrobras

Resumo

Existem várias maneiras de calcular uma medida de confiança para a saída de redes neurais, mas em geral essas abordagens necessitam de algumas restrições que nem sempre são observadas em problemas reais ou mesmo não apresentam uma medida de desempenho que garanta o nível de confiança desejada ou ainda que não refletem a distribuição dos dados de treinamento. Este trabalho analisa e estende um modelo de rede neural capaz de calcular um intervalo de predição na saída, a Rede Índice de Validade, removendo-se restrições no cálculo da densidade por essa rede e melhorando a probabilidade de cobertura do intervalo de predição quando o dados de treinamento possuem densidade variável.

Referências

Bishop, C. M. (1994). Novelty detection and neural network validation. In IEE Proc.-Vis. Image Signal Process., Vol. 141.

Bishop, C. M. (1995). Neural Netowrks for Pattern Recognition. Oxford Press.

Chinman, R. and Ding, J. (1998). Prediction limit estimation for neural network models. Neural Networks, IEEE Transactions on, 9(6):1515–1522.

Chryssolouris, G., Lee, M., and Ramsey, A. (1996). Confidence interval prediction for neural network models. In IEEE Trans. Neural Networks 7, pages 229–232.

Hassoun, M. H. (1995). Fundamentals of Artificial Neural Networks. MIT Press.

Holmstrom, L. and Hamalainen, A. (1993). The self-organizing reduced kernel density estimator. In IEEE International Conference on Neural Networks, pages 417–421.

Hwang, J. T. G. and Ding, A. A. (1997). Prediction intervals for artificial neural networks. In J. American Statistical Association 92(438), pages 748–757.

Leonard, J. A., Kramer, M. A., and Ungar, L. H. (1992). A neural network architeture that compute its own reliability. In Computers Chem. Engng.

Moody, J. and Darken, C. J. (1989). Fast learning in networks of locally tuned processing units. In Neural Computation 1, pages 281–294.

Parzen, E. (1962). On estimation of a probability density function and mode ann. In Math. Statist. 33, pages 1065–1076.

Shao, R., Martin, E. B., Zhang, J., and Morris, A. J. (1997). Confidence bounds for neural network representations. In Computers chem. Engng 21, pages 1173–1178. Elsevier Science Ltd.

Terrell, G. R. and Scott, D. W. (1992). Variable kernel density estimation. In The Annals of Statistics, Vol. 20, No. 3., pages 1236–1265. Institute of Mathematical Statistics.

Veaux, R. D., Schweinsberg, J., and Shellington, D. (1998). Prediction intervals for neural networks via nonlinear regression. In Computers chem. Engng 21, pages 1173–1178. Elsevier Science Ltd.

Wedding, D. K. and Cios, K. J. (1997). Cetainty factors versus pazen windows as reliability measures in rbf networks. In Neurocomputing 19, pages 151–165. Elsevier Ltd.

Yang, L., Kavli, T., Carlin, M., Clausen, S., and de Groot, P. (1991). An evaluation of confidence bound estimation methods for neural networks. In ESIT 2000.