| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Instrumentação. Para informações adicionais entre em contato com cnpdia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
11/07/2006 |
|
Data da última atualização: |
20/01/2015 |
|
Autoria: |
FERREIRA, Ednaldo José. |
|
Título: |
Abordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais : aplicação à língua eletrônica. |
|
Ano de publicação: |
2005 |
|
Fonte/Imprenta: |
São Carlos, 2005. Dissertação (Mestrado em Ciências de Computação e Matemática computacional) - ICMC. Universidade de São Paulo. Orientador: Prof. Dr. Alexandre Cláudio Botazzo Delbem. |
|
Páginas: |
117 f. |
|
Idioma: |
Português |
|
Conteúdo: |
As características irrelevantes, presentes em bases de dados de diversos domínios, deterioram a acurácia de predição de classificadores induzidos por algoritmos de aprendizado de máquina. As bases de dados geradas por uma língua eletrônica são exemplos típicos onde a demasiada quantidade de características irrelevantes e redundantes prejudicam a acurácia dos classificadores induzidos. Para lidar com este problema, duas abordagens podem ser utilizadas. A primeira é a utilização de métodos para seleção de subconjuntos de caracteristicas. A segunda abordagem é por meio de ensemble de classificadores. Um ensemble deve ser construído por classificadores diversos e acurados. Uma forma efetiva para construção de ensembles de classificadores é por meio de seleção de características. A seleção de características para ensemble tem objetivo adicional de encontrar subconjuntos de características que promovam acurácia e diversidade de predição nos classificadores do ensemble. Algoritmos genéticos são técnicas promissoras para seleção de características para ensemble. No entanto, a busca genética, assim com outras estratégias de busca geralmente visam somente a construção do ensemble, permitindo que todas as características (relevantes, irrelevantes e redundantes) sejam utilizadas. Este trabalho apresenta uma abordagem baseada em algoritmos genéticos para construção de ensembles de redes neurais artificiais com um conjunto reduzido das características totais. Para melhorar a acurácia dos ensembles, duas abordagens diferenciadas para treinamento de redes neurais foram utilizadas. A primeira baseada na interrupção precoce do treinamento com o algritmo back-propation e a segunda baseada em otimização multi-objetivo. Os resultados obtidos comprovam a eficácia do algoritmo proposto para construção de ensembles de redes neurais acurados. Também foi constatada sua eficiência na redução das características totais, comprovando que o algoritmo proposto é capaz de construir um ensemble utilizando um conjunto reduzido de características MenosAs características irrelevantes, presentes em bases de dados de diversos domínios, deterioram a acurácia de predição de classificadores induzidos por algoritmos de aprendizado de máquina. As bases de dados geradas por uma língua eletrônica são exemplos típicos onde a demasiada quantidade de características irrelevantes e redundantes prejudicam a acurácia dos classificadores induzidos. Para lidar com este problema, duas abordagens podem ser utilizadas. A primeira é a utilização de métodos para seleção de subconjuntos de caracteristicas. A segunda abordagem é por meio de ensemble de classificadores. Um ensemble deve ser construído por classificadores diversos e acurados. Uma forma efetiva para construção de ensembles de classificadores é por meio de seleção de características. A seleção de características para ensemble tem objetivo adicional de encontrar subconjuntos de características que promovam acurácia e diversidade de predição nos classificadores do ensemble. Algoritmos genéticos são técnicas promissoras para seleção de características para ensemble. No entanto, a busca genética, assim com outras estratégias de busca geralmente visam somente a construção do ensemble, permitindo que todas as características (relevantes, irrelevantes e redundantes) sejam utilizadas. Este trabalho apresenta uma abordagem baseada em algoritmos genéticos para construção de ensembles de redes neurais artificiais com um conjunto reduzido das características totais. Para melhorar a acurácia dos ... Mostrar Tudo |
|
Palavras-Chave: |
ALGORITMOS GENÉTICOS; REDES NEURAIS; SISTEMAS DISTRIBUÍDOS. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02814nam a2200157 a 4500
001 1029857
005 2015-01-20
008 2005 bl uuuu m 00u1 u #d
100 1 $aFERREIRA, Ednaldo José
245 $aAbordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais$baplicação à língua eletrônica.
260 $aSão Carlos, 2005. Dissertação (Mestrado em Ciências de Computação e Matemática computacional) - ICMC. Universidade de São Paulo. Orientador: Prof. Dr. Alexandre Cláudio Botazzo Delbem.$c2005
300 $a117 f.
520 $aAs características irrelevantes, presentes em bases de dados de diversos domínios, deterioram a acurácia de predição de classificadores induzidos por algoritmos de aprendizado de máquina. As bases de dados geradas por uma língua eletrônica são exemplos típicos onde a demasiada quantidade de características irrelevantes e redundantes prejudicam a acurácia dos classificadores induzidos. Para lidar com este problema, duas abordagens podem ser utilizadas. A primeira é a utilização de métodos para seleção de subconjuntos de caracteristicas. A segunda abordagem é por meio de ensemble de classificadores. Um ensemble deve ser construído por classificadores diversos e acurados. Uma forma efetiva para construção de ensembles de classificadores é por meio de seleção de características. A seleção de características para ensemble tem objetivo adicional de encontrar subconjuntos de características que promovam acurácia e diversidade de predição nos classificadores do ensemble. Algoritmos genéticos são técnicas promissoras para seleção de características para ensemble. No entanto, a busca genética, assim com outras estratégias de busca geralmente visam somente a construção do ensemble, permitindo que todas as características (relevantes, irrelevantes e redundantes) sejam utilizadas. Este trabalho apresenta uma abordagem baseada em algoritmos genéticos para construção de ensembles de redes neurais artificiais com um conjunto reduzido das características totais. Para melhorar a acurácia dos ensembles, duas abordagens diferenciadas para treinamento de redes neurais foram utilizadas. A primeira baseada na interrupção precoce do treinamento com o algritmo back-propation e a segunda baseada em otimização multi-objetivo. Os resultados obtidos comprovam a eficácia do algoritmo proposto para construção de ensembles de redes neurais acurados. Também foi constatada sua eficiência na redução das características totais, comprovando que o algoritmo proposto é capaz de construir um ensemble utilizando um conjunto reduzido de características
653 $aALGORITMOS GENÉTICOS
653 $aREDES NEURAIS
653 $aSISTEMAS DISTRIBUÍDOS
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 47 | |
| 18. |  | ZANELA, M. B.; RIBEIRO, M. E. R.; FISCHER, V.; GOMES, J. F.; STUMPF JUNIOR, W. Ocorrência do leite instável não ácido no noroeste de Rio Grande do Sul. Arquivo Brasileiro de Medicina Veterinaria e Zootecnia, Belo Horizonte, v.61, n.4, p.1009-1013, 2009| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Clima Temperado. |
|   |
| 19. | | GOMES, J. C. C.; AQUINI, D.; GOMES, F. R. C.; STUMPF JUNIOR, W. Da difusão de tecnologia ao desenvolvimento sustentável: trajetória da transferência de tecnologia na Embrapa Clima Temperado. Cadernos de Ciência & Tecnologia, Brasília, DF, v. 28, n. 1, p. 159-188, jan./abr. 2011.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 3 |
| Biblioteca(s): Embrapa Unidades Centrais. |
|  |
| Registros recuperados : 47 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
