Modelo de aprendizado incremental baseado em uma rede neural com arquitetura adaptativa

Página do item simplificado
dc.contributor.advisor-co1Salles, Evandro Ottoni Teatini
dc.contributor.advisor1Oliveira, Elias Silva de
dc.contributor.authorCiarelli, Patrick Marques
dc.contributor.referee1Souza, Alberto Ferreira de
dc.contributor.referee2Badue, Claudine
dc.contributor.referee3Freitas, Fábio Daros de
dc.contributor.referee4Côco, Klaus Fabian
dc.contributor.referee5Meira Júnior, Wagner
dc.date.accessioned2016-08-29T15:32:43Z
dc.date.available2016-07-11
dc.date.available2016-08-29T15:32:43Z
dc.date.issued2012-12-12
dc.description.abstractabstracteng
dc.description.resumoEste trabalho apresenta uma abordagem baseada em Redes Neurais Artificiais para problemas de classificação multi-rotulada. Em particular, foi empregada uma versão modificada da Rede Neural Probabilística para tratar de tais problemas. Em experimentos realizados em várias bases de dados conhecidas na literatura, a Rede Neural Probabilística proposta apresentou um desempenho comparável, e algumas vezes até superior, a outros algoritmos especializados neste tipo de problema. Como o foco principal deste trabalho foi o estudo de estratégias para classificação automática de texto de atividades econômicas, foram realizados também experimentos utilizando uma base de dados de atividades econômicas. No entanto, diferente das bases de dados utilizadas anteriormente, esta base de dados apresenta um número extenso de categorias e poucas amostras de treino por categoria, o que aumenta o grau de dificuldade deste problema. Nos experimentos realizados foram utilizados a Rede Neural Probabilística proposta, o classificador k-Vizinhos mais Próximos Multi-rotulado, e um Algoritmo Genético para otimização dos parâmetros dos mesmos. Nas métricas utilizadas para avaliação de desempenho, a Rede Neural Probabilística mostrou resultados superiores e comparáveis aos resultados obtidos pelo k-Vizinhos mais Próximos Multi-rotulado, mostrando que a abordagem utilizada neste trabalho é promissora.
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/4119
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseDoutorado em Engenharia Elétrica
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica
dc.rightsopen access
dc.subject.br-rjbnAlgoritmos de expectativa de maximização
dc.subject.br-rjbnAprendizado do computador
dc.subject.br-rjbnRedes neurais (Computação)
dc.subject.cnpqEletrônica Industrial, Sistemas e Controles Eletrônicos
dc.subject.udc621.3
dc.titleModelo de aprendizado incremental baseado em uma rede neural com arquitetura adaptativa
dc.typedoctoralThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tese_2753_Patrick_tese.pdf
Tamanho:
5.88 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Doutorado em Engenharia Elétrica