ANOVA como Critério de Parada no Treinamento de Redes Neurais Artificiais

Abstract

Este trabalho propõe e avalia o uso da análise de variância com medidas repetidas (ANOVA) como critério de parada no treinamento de redes neurais artificiais (RNA). O objetivo é otimizar o processo de treinamento, reduzindo o tempo de treinamento e possivelmente prevenindo o overfitting. Este método aplica o ANOVA ao erro quadrático médio (EQM) durante o treinamento para determinar estatisticamente o momento de que o treinamento deve cessar. Dois problemas são estudados: regressão de polinômios quadráticos com ruído gaussiano e classificação do conjunto de dados Íris. O método proposto é comparado com o treinamento tradicional em termos de tempo e qualidade do modelo. Os resultados mostram uma redução moderada no tempo de treinamento para problemas de regressão e uma redução de baixa à moderada no tempo de treinamento para classificação da Íris, mantendo os desempenhos semelhantes na validação. Conclui- se que o ANOVA com medidas repetidas é uma possível ferramenta para otimizar o treinamento de RNAs, a qual fornece critérios de parada estatisticamente baseados e contribui para a melhoria da eficiência das técnicas de treinamento em aprendizado de máquina.