Método colaborativo para inserção incremental de camadas em redes Stacked Autoencoders

A inserção de novas camadas em redes neurais artificiais, quando não bem planejada, gera uma degradação do erro de saída da rede, interferindo no conhecimento já adquirido. Deseja-se que novas inserções ampliem o espaço de busca e promovam melhorias na solução. Neste artigo, é apresentada uma nova metodologia de inserção autocoordenada de camadas em redes neurais do tipo stacked autoencoder de modo colaborativo. Na abordagem colaborativa, a inserção de uma nova camada ocorre paralelamente à camada de saída já existente na rede: uma nova camada escondida e uma nova camada de saída são criadas, gerando dois canais paralelos de saída de dados, denominados ramos. Em seguida, ocorre a junção da camada de saída antiga com a camada escondida nova, de modo que o aprendizado já obtido não sofra perturbação, mantendo o erro de saída da rede sempre decrescente. No final do processo, o ramo criado une-se ao ramo anterior, e os neurônios da camada de saída antiga passam a ser neurônios escondidos, incorporados à nova camada oculta. A metodologia proposta foi usada em problema de classificação binária e avaliada quanto à acurácia e à redução no tempo de desenvolvimento da solução, apresentando bastante eficiência.