02814nam a2200157 a 450000100080000000500110000800800410001910000280006024501680008826002040025630000110046052021140047165300260258565300180261165300270262910298572015-01-20       2005    bl uuuu  m   00u1 u    #d1 aFERREIRA, Ednaldo José  aAbordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neuraisbaplicação à língua eletrônica.  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  a117 f.  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  aALGORITMOS GENÉTICOS  aREDES NEURAIS  aSISTEMAS DISTRIBUÍDOS