CENTRO FEDERAL DE EDUCAO TECNOLGICA DE MINAS GERAIS MESTRADO EM MODELAGEM MATEMTICA E COMPUTACIONAL PRINCPIOS DE MODELAGEM MATEMTICA

TRABALHO DE PESQUISA TRABALHO N: 6

Abril/2011

INTRODUO Modelagem conceitual funciona como um filtro que ajuda a extrair a informao relevante a partir de um grande e complexo volume de dados

Palavras-chave: .

1. SOBREAJUSTE

Sobreajuste tambm conhecido como overfitting quando a rede especializa-se nos padres de treinamento e perde sua capacidade de generalizao. um dos problemas mais comuns em modelos de redes neurais. Ocorre quando a rede produz um erro muito baixo em relao aos dados apresentados, mas, quando esta mesma rede apresentada a um grupo de dados, o erro encontrado aumenta consideravelmente. O treinamento excessivo das redes neurais acontece quando, a partir de um determinado nmero de interaes o erro mdio calculado no processo de validao aumenta, mesmo com a diminuio continua deste erro durante o treinamento. Para contornar esse problema, pode ser utilizada uma rede no muito extensa, pois quanto maior for rede, mais complexa ser a funo estimada e, portanto, maior o risco de overfitting. Dentre outras, a tcnica de early stopping que consiste estimar os coeficientes onde a medida que as iteraes vo acontecendo e os pesos ajustados, o erro ou funo de custo calculado simultaneamente em dois grupos. Quando a funo de performance comear a aumentar no segundo grupo de dados, as iteraes so interrompidas, mesmo que no primeiro grupo de dados a funo performance ainda esteja caindo. Ela ainda treina a rede neural com determinada amostra (denominada grupo de treinamento), em validar seu desempenho periodicamente, empregando outra amostra (denominada grupo de validao). Acontece depois de certo ponto no treinamento quando a rede piora ao invs de melhorar. A rede memoriza padres de treinamento, incluindo suas peculiaridades (piora generalizao). Ele divide os dados em treinamento e validao e depende de grandes quantidades de dados. Outra tcnica a regularizao (tambm conhecida como reduo de pesos) tem o objetivo de limitar a complexidade da rede. A regularizao envolve a modificao da funo objetivo, que normalmente escolhida para ser a mdia dos erros quadrados da rede no conjunto de treinamento. Uma regularizao muito utilizada a regularizao Bayesiana. Um procedimento fundamental para evitar o sobreajuste a otimizao do numero de neurnios da camada intermediria ou mesmo a poda entre as conexes, conhecido como Pruning. A tcnica de poda reduz a complexidade da

rede neural, melhorando sua capacidade de previso, pois evita modelos sobre parametrizados, (muitos neurnios) em que a possibilidade de sobreajuste grande. Essas tcnicas de poda simplificam significativamente o processo de otimizao da arquitetura e nos permite obter modelos com pequena possibilidade de sobreajuste.

2. ETAPAS OU PROCESSO DA MODELAGEM MATEMTICA A modelagem matemtica um processo de traduzir a linguagem do mundo real para o mundo matemtico, mas para que isso ocorra, uma serie de procedimentos devem ser realizados. As seguintes etapas abaixo devem ser observadas que so tambm divididas em sub-etapas. Interao com o assunto: Reconhecimento da situao-problema e familiarizao com o assunto a ser modelado; A situao a ser estudada delineada e para torn-la mais clara dever ser feita uma reviso bibliogrfica ou contato com especialistas da rea. Matematizao: Formalizao do problema e de hipteses e especificao do problema em termos do modelo. Para formular e validar hipteses preciso classificar as informaes identificando fatos envolvidos; decidir quais os fatores a serem perseguidos (levantando hipteses); identificar constantes envolvidas; generalizar e selecionar variveis relevantes; selecionar smbolos apropriados para as variveis;

Resoluo do problema em termos do modelo. Faz-se a traduo da situao problema para a linguagem matemtica. Modelo Matemtico:

Interpretao da soluo; Validao do modelo. Para a concluso e utilizao do modelo ser necessrio verificar em que nvel este se aproxima da situao-problema apresentada. A interpretao do modelo deve ser feita atravs de analise das implicaes da soluo, derivada do modelo que esta sendo investigado, para ento, verificar sua adequabilidade. Se o modelo no atender s necessidades que o gerou, o processo deve ser retomado alterando hipteses, variveis, e outros.

Fluxograma das etapas da modelagem matemtica

2.1 Fases da modelagem Matemtica

Experimentao

deve-se

obter

dados

empricos

que

ajudam

na

compreenso do problema na modificao do modelo e na deciso de sua validade. um processo de campo/laboratorial ou estatstico.

A abstrao o processo de seleo das variveis essenciais e formulao em linguagem do problema ou da situao real. Soluo: O modelo matemtico construdo quando se substitui a linguagem natural por uma linguagem matemtica. O estudo depende da sua complexidade e pode ser um procedimento numrico. Quando os argumentos conhecidos no so eficientes, novos mtodos podem ser criados, ou ento o modelo deve ser modificado.

Validao a comparao entre a soluo obtida via soluo do modelo matemtico e os dados reais. Envolve o processo de deciso de aceitao ou no do modelo (inicial). O grau de aproximao desejado ser o fator preponderante na deciso.

Modificao: Caso o grau de aproximao entre os dados reais e a soluo do modelo no seja satisfatrio deve-se modificar as variveis, ou a lei de formao, e com isso o prprio modelo original modificado e o processo se inicia novamente.

Aplicao: Uma modelagem eficiente deve permitir fazer predies, tomar decises, explicar e entender. Enfim, participar do mundo real com capacidade de influenciar em suas mudanas. fundamental transferir o

entendimento da linguagem natural do problema para a linguagem matemtica, visto que o modelo ento poder aplicado a diferentes contextos e casos.

3. MODELAGEM CONCEITUAL X MODELAGEM EMPRICA A modelagem conceitual pode ser entendida como a base para o uso do enfoque sistmico ou representao semntica do problema. Favorece a viso do sistema em estudo, como um todo, de uma forma objetiva e clara, geralmente apresenta-se compartimentalizada e integrada em esquema grfico. Nesse tipo de modelo do problema, permitida a identificao de mtodos e de lacunas no conhecimento que favorecero ou dificultaro a utilizao de outras tcnicas de modelagem. Assim, a modelagem conceitual possibilita a organizao, a estruturao lgica e objetiva das informaes, o fluxo de inter-relaes e as influncias entre as principais variveis que passam a representar o foco da elaborao do modelo. A partir da modelagem conceitual possvel definir um conjunto de tcnicas de transio que permite uma evoluo lgica suave para o Modelo da Implementao. Ela utiliza linguagens de representao definidas rigorosamente que permitem a distino entre comportamentos desejados e no desejados. Requer que se conhea a fundo o fenmeno a ser modelado. Deve-se conhecer as relaes matemticas que os descrevem. Devido ao conhecimento necessrio para modelar um sistema a partir dos fenmenos essa abordagem de modelagem nem sempre vivel. A modelagem emprica a parte da identificao dos sistemas, que se caracteriza por no exigir o conhecimento prvio do sistema a ser modelado. Nesse caso, o tipo de modelo, as tcnicas usadas e os requisitos necessrios so bastante distintos dos anlogos na modelagem pela natureza do processo. Ela consiste em ver os dados experimentais, possivelmente fazendo alguma analise dos dados e tentando fazer alguma suposio inteligente (quase sempre muito simples) na forma de conjunto de equaes ou mesmo atravs de explicaes intuitivas, que podero ser usadas como um modelo matemtico e com os dados de uma forma conveniente.

4. IDENTIFICAO PARAMTRICA E VALIDAO Modelos paramtricos so aqueles que so definidos em termos de parmetros que os caracterizam. A estimao dos parmetros depende de mtodos que identifiquem o sistema. Modelos no-paramtricos so aqueles que no resultam em um modelo matemtico tal como uma funo de transferncia, mas sim em uma representao grfica que caracteriza a dinmica do sistema. A validao objetiva verificar a capacidade de previso do modelo (analise ou qualquer outra forma de ao sobre a realidade), simulando as condies de funcionamento com base em parmetros calibrados com conjuntos de dados independentes dos usados na calibrao. Os modelos devem ser os mais coerentes possveis com a realidade pesquisada. Caso o modelo no seja adequado, o sistema deve ser retomado com novas pesquisas, tornando assim o processo dinmico.

REFERNCIAS BIBLIOGRAFICAS

1. BASSANEZI, R. R; Modelagem Matemtica Um Mtodo Cientifico de Pesquisa ou uma Estratgia de Ensino e Aprendizagem? In: Ensino Aprendizagem com Modelagem Matemtica: Uma Nova Estratgia/ Rodney Bassanezi; S. Paulo: Contexto, 2002. 2. FREITAS, S.O. e SOUZA , A. A. Utilizao de redes neurais na precificao de opes <http://pt.scribd.com/doc/222396/Redes-Neurais-E-Precificacao-DeOpcoes> Acesse em: 23/04/2011. 3. NETO, S. A. D, FARIAS, M. M. e PAIS, J. C. Modelagem da viscosidade absoluta dos asfaltos-borracha usando redes neurais artificiais.< http://www.cbtu.gov.br/ estudos/pesquisa/anpet_xviiiCongrpesqens/ac/arq3.pdf> Acesso em: 29/04/2011. 4. RIZZI, R. L. Resoluo de problemas e modelagem matemtica <

http://www.inf.unioeste.br/~rogerio/Rizzi-Conceitos-Modelos_e_Modelagem.pdf> Acesso em: 20/04/2011. 5. SANCHEZ, M. L. A. e MAFFEO, B. Modelagem Conceitual de Sistemas de tempo-real Um estudo de caso. Puc-Rio, Junho de 1996. 6. SODR, U. Modelos Matemticos < http://www.mat.uel.br/matessencial

/superior/pdfs/modelos.pdf> Acesso em: 22/04/2011