Aglomerado de Redes Neuronais Dinâmicas de Alimentação Não Supervisionada

As redes neurais artificiais são modelos computacionais inspirados pela neurobiologia para melhorar e testar análogos computacionais de neurónios. Numa rede neural feedforward (FFNN), o processamento de dados ocorre em apenas uma interligação frontal desde a camada de entrada até à camada de saída sem qualquer laço para trás. O agrupamento não supervisionado de FFNN (UFFNN) tem grandes capacidades, tais como arquitecturas de processamento paralelo distribuído inerentes, ajustando os pesos de interligação para aprender e dividir os dados em grupos significativos com objectivos especiais, classificando os dados relacionados em grupos semelhantes sem utilizar qualquer etiqueta de classe, controlando dados ruidosos e aprendendo os tipos de valores de dados de entrada com base nos seus pesos e propriedades. Geralmente, em ambientes reais, os dados dinâmicos são de grande volume e dimensão, pelo que os métodos de agrupamento dinâmico UFFNN em linha devem ser desenvolvidos para terem uma capacidade de aprendizagem incremental em linha.