Modos de Aprendizado Não-Supervisionado para o Modelo Neural Sem-Pesos WISARD

Neste trabalho apresentamos o modelo neural AUTOWISARD, um novo algoritmo de aprendizado não-supervisionado para o conhecido modelo neural sem-pesos WISARD. AUTOWISARD é capaz de classificar padrões binários multidimensionais um uma única época de treinamento, atingindo, sem supervisão, um estado estável. Para tanto, ela implementa uma série de métodos de controle de instanciação de classes e de aprendizado, como a janela de aprendizado, o aprendizado parcial e a função probabilística de controle de treinamento. Para ilustrar o desempenho da AUTOWISARD, a rede foi testada numa aplicação de reconhecimento ótico de caracteres, com um banco de imagens de dígitos manuscritos rotulados; o mesmo procedimento foi realizado com uma rede Fuzzy ART, de modo a prover uma comparação entre as redes. De modo a possibilitar comparações entre redes e paradigmas neurais diversos, os resultados foram normalizados e convertidos para uma representação gráfica que permite a visualização e comparação do desempenho médio de ambas as redes em termos de qualidade de classificação (quantidade de classes que reconheçem múltiplos dígitos e grau de saturação das classes). Os gráficos mostram que as classificações geradas pela AUTOWISARD são consistentemente superiores em qualidade às da Fuzzy ART. Também integram este trabalho uma revisão dos modelos neurais direta ou indiretamente relacionados à AUTOWISARD: os modelos WISARD, Fuzzy ART e WIS-ART, bem como conclusões e trabalhos futuros, no qual se destaca a versão hierárquica do modelo AUTOWISARD.