Rede Neural Piramidal com restrição de pesos não-negativos para aprendizagem por partes de padrões visuais

Resumo

LIPNet (FERNANDES, 2013) é um tipo de RNA piramidal que utiliza em sua arquitetura os conceitos de aprendizagem profunda e campos receptivos e inibitórios. Segundo Chorowski e Zurada (2015), o aprendizado por partes obtido através da incorporação da não-negatividade pode fazer com que esta rede obtenha uma melhor interpretação dos padrões apresentados a ela.  O objetivo deste projeto é analisar o efeito do aprendizado por partes, através da restrição não-negativa de pesos na LIPNet, para o reconhecimento de padrões visuais.  Para realizar a implementação da restrição dos pesos na rede, foi utilizado o Particle Swarm Optimization (PSO), o qual já demonstrou ser eficaz para otimizar a LIPNet (SOARES et al, 2014). Um modelo para visualização do aprendizado da rede também foi implementado. Em seguida, foram escolhidas duas bases de imagens de faces para a realização dos experimentos comparando o desempenho da rede com e sem a restrição não-negativa para os problemas de reconhecimento de faces e de gênero. O desenvolvimento deste projeto influenciou positivamente no aprendizado da LIPNet pois esta conseguiu alcançar boas taxas de classificação e também melhorar sua interpretação dos padrões. A rede neural foi capaz de focar em partes simples e importantes que representam uma face. Além disso, uma nova contribuição para a literatura foi o desenvolvimento de um modelo de visualização do aprendizado da rede. A criação de modelos de RNAs que se aproximem mais do funcionamento do cérebro humano pode contribuir para a resolução de importantes problemas de visão computacional. Palavras-chave: LIPNet; Não-negatividade; PSO; Rede Neural.