Aplicação de um Comitê de Redes Neurais Artificiais para a Solução de Problemas Inversos em Transferência Radiativa
DOI:
https://doi.org/10.5540/tema.2010.011.02.0171Resumo
Este trabalho fundamenta-se no conceito de Máquina de Comitê de Redes Neurais Artificiais e tem por objetivo resolver o problema inverso de transferência radiativa em um meio unidimensional, homogêneo, absorvedor e espalhador isotrópico. A Máquina de Comitê de Redes Neurais Artificiais agrega e combina o conhecimento adquirido de um certo número de especialistas aqui representados, individualmente, por cada uma das Redes Neurais Artificiais (RNAs) que compõem o Comitê. O objetivo é atingir um resultado final hipoteticamente melhor que o obtido por qualquer rede neural especialista separadamente. O uso desta técnica pode reduzir o desperdício computacional que ocorre ao se treinar exaustivamente várias RNAs, separadamente, selecionando-se apenas a rede que apresente a melhor generalização e descartando-se as demais. Neste trabalho são obtidas, usando-se a técnica de Máquina de Comitê de Redes Neurais Artificiais, estimativas de parâmetros de transferência radiativa: espessura óptica, albedo de espalhamento simples e reflectividades difusas do meio participante sob análise. Finalmente, os resultados obtidos são comparados com os encontrados usando-se redes Perceptrons de Múltiplas Camadas (PMCs) individualmente, denominadas neste trabalho como redes especialistas e mostrando que a técnica empregada traz significativasReferências
[1] W.J. Blackwell, A neural-network technique for retrieval of atmospheric temperature
and moisture profiles from high spectral resolution sounding data, IEEE Trans Geosci Remote Sens, 43 (2005), 2535–2546.
[2] H.F. de Campos Velho, M.R. Rematoso, M.T. Vilhena, Inverse problems forestimating bottom boundary conditions of natural waters, Int J Numer Meth Engng, 54(9)(2002), 1357–1368.
[3] H.F. de Campos Velho, J.D.S. Silva, E.H. Shiguemori, Hardware implementation for the atmospheric temperature retrieval from satellite data, Inverse Problems, Design and Optimization Symposium (IPDO) 1,(2007), 349–353.
[4] E.S. Chalhoub, H.F. de Campos Velho, Multispectral reconstruction of bioluminescence term in natural waters, Appl Numer Math, 47 (2003), 365–376.
[5] S. Chandrasekhar, “Radiative Transfer”, Dover Publications Inc., New York, 1960.
[6] S. Haykin , “Neural Networks: A Comprehensive Foundation”, Prentice Hall, 1994.
[7] R.C. Oliveira, N.I. Alvarez Acevedo, A.J. Silva Neto, L. Biondi Neto, Aplicação da técnica de máquina de comitê de redes neurais artificiais para a solução de problemas inversos em transferência radiativa, XI Encontro de Modelagem Computacional, Volta Redonda, R.J., (2008).
[8] M.N. Özisik, “Radiative Transfer and Interactions with Conduction and Convection”, John Wiley & Sons, USA, (1973).
[9] M. Riedmiller, H. Braun, A direct adaptative method for faster backpropagation learning: the RPROP algorithm Proc. IEEE International Conference on Neural Networks, (1993), 234–241.
[10] A.J. Silva Neto, F.J.C.P. Soeiro, Inverse Problem of Space Dependent Albedo Estimation with Artificial Neural Networks and Hybrid Methods, Proc. 18th International Congress of Mechanical Engineering, COBEM, ABCM, Ouro Preto, Brazil, (2005).
[11] A.J. Silva Neto, F.J.C.P. Soeiro, H.F. Campos Velho, P. Oliva Soares, Using Neural Networks to Obtain Initial Estimates for the Solution of Inverse Heat Transfer Problems, Inverse Problems, Design and Optimization Symposium, Rio de Janeiro, Brazil,(2004).
[12] F.J.C.P. Soeiro, A.J. Silva Neto, Solution of Inverse Radiative Transfer Problems in Two-Layer Media with Artificial Neural Networks, 14th Inverse Problems in Engineering Seminar, Ames, USA, (2006).
[13] F.J.C.P. Soeiro, P. Oliva Soares, A.J. Silva Neto, Solution of Inverse Radiative Transfer Problems with Artificial Neural Networks and Hybrid Methods, Proc. 13th Inverse Problems in Engineering Seminar, Cincinnatti, USA, (2004), 163–169.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
- Esta é uma revista de acesso aberto, o que significa que todo o conteúdo é livremente disponível gratuitamente para o usuário ou sua instituição. Os usuários estão autorizados a ler, baixar, copiar, distribuir, imprimir, pesquisar ou vincular os textos completos dos artigos, ou usá-los para qualquer outro propósito legal, sem pedir permissão prévia do editor ou do autor. Isso está de acordo com a definição de acesso aberto do BOAI.
Todo o conteúdo do periódico está licenciado sob uma Licença Creative Commons do tipo atribuição BY.