| 1. Identificação | |
| Tipo de Referência | Resumo em Evento (Conference Proceedings) |
| Site | plutao.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | 8JMKD3MGP3W/3HG7JPF |
| Repositório | sid.inpe.br/plutao/2014/12.01.13.22.07 |
| Última Atualização | 2015:02.12.12.25.16 (UTC) administrator |
| Repositório de Metadados | sid.inpe.br/plutao/2014/12.01.13.22.08 |
| Última Atualização dos Metadados | 2018:06.04.23.39.41 (UTC) administrator |
| Rótulo | lattes: 2720072834057575 1 AnochiCampShigLuz:2014:DaAsAr |
| Chave de Citação | AnochiCampShigLuz:2014:DaAsAr |
| Título | Data assimilation with arti cial neural networks self-con guring by MPCA  |
| Ano | 2014 |
| Data de Acesso | 20 maio 2024 |
| Tipo Secundário | PRE CI |
| Número de Arquivos | 1 |
| Tamanho | 94 KiB |
| 2. Contextualização | |
| Autor | 1 Anochi, Juliana Aparecida 2 Campos Velho, Haroldo Fraga de 3 Shiguemori, Elcio Hideiti 4 Luz, Eduardo F. P. da |
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JHC3 |
| Grupo | 1 CAP-COMP-SPG-INPE-MCTI-GOV-BR 2 LAC-CTE-INPE-MCTI-GOV-BR |
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto de Estudos Avançados (IEAv) |
| Endereço de e-Mail do Autor | 1 juliana.anochi@lac.inpe.br 2 haroldo@lac.inpe.br |
| Endereço de e-Mail | marcelo.pazos@inpe.br |
| Nome do Evento | EngOpt. |
| Localização do Evento | Lisbon |
| Data | 2014 |
| Título do Livro | Abstracts |
| Histórico (UTC) | 2014-12-01 13:22:08 :: lattes -> administrator :: 2018-06-04 23:39:41 :: administrator -> marcelo.pazos@inpe.br :: 2014 |
| 3. Conteúdo e estrutura | |
| É a matriz ou uma cópia? | é a matriz |
| Estágio do Conteúdo | concluido |
| Transferível | 1 |
| Tipo do Conteúdo | External Contribution |
| Tipo de Versão | publisher |
| Resumo | Artificial Neural Networks (ANN) are computational techniques that present a mathematical model inspired by the neural structure of biological organisms, acquiring knowledge through experience, which have been a technique successfully employed in many applications on several research fields and currently under intensive research worldwide. ANN with learning supervised have emerged as excellent tools for deriving data oriented models, due to their inherent characteristic of plasticity that permits the adaptation of the learning task when data is provided. In addition to plasticity, ANN also present generalization and fault tolerance characteristics that are fundamental for systems that depend on observational. Although much has been studied, there are still many questions about the ANN models that need to be addressed. One of the main issues of research in supervised ANN is to search for an architecture optimum. In this paper, the determination of optimal parameters for the neural network is formulated as an optimization problem, solved with the use of meta-heuristic Multiple Particle Collision Algorithm (MPCA). The MPCA optimization algorithm emulates a collision process of multiple particles greatly inspired on two physical behaviour inside of a nuclear reactor absorption and scattering. The cost function has two terms: a square difference between ANN output and the target data (for two data set: learning process, and the generalization, and a penalty term used to evaluate the complexity for the new network architecture at each iteration. The concept of network complexity is associated to the number of neurons and the number of iterations in the training phase. In this work, two types of neural networks are used, the radial basis function network (RBF) and recurrent Elman. Here, the self-configuring networks are applied to perform data assimilation to emulate the Kalman filter is carried out with linear 1D wave equation. |
| Área | COMP |
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Data assimilation with... |
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Data assimilation with... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | não têm arquivos |
| Conteúdo da Pasta agreement | não têm arquivos |
| 4. Condições de acesso e uso | |
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W/3HG7JPF |
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W/3HG7JPF |
| Idioma | en |
| Arquivo Alvo | Anochi_data.pdf |
| Grupo de Usuários | lattes marcelo.pazos@inpe.br |
| Grupo de Leitores | administrator marcelo.pazos@inpe.br |
| Visibilidade | shown |
| Permissão de Leitura | allow from all |
| Permissão de Atualização | não transferida |
| 5. Fontes relacionadas | |
| Vinculação | Trabalho não Vinculado à Tese/Dissertação |
| Repositório Espelho | iconet.com.br/banon/2006/11.26.21.31 |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ESGTTP 8JMKD3MGPCW/3F2PHGS |
| Lista de Itens Citando | sid.inpe.br/mtc-m21/2012/07.13.14.49.40 3 sid.inpe.br/bibdigital/2013/10.12.22.16 3 |
| URL (dados não confiáveis) | http://www.dem.ist.utl.pt/engopt2014/ |
| Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
| 6. Notas | |
| Campos Vazios | archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor format isbn issn keywords lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarytype type volume |
| 7. Controle da descrição | |
| e-Mail (login) | marcelo.pazos@inpe.br |
| atualizar | |