Modelo de aprendizado incremental baseado em uma rede neural com arquitetura adaptativa
dc.contributor.advisor | Oliveira, Elias Silva de | |
dc.contributor.advisor-co | Salles, Evandro Ottoni Teatini | |
dc.contributor.referee | Souza, Alberto Ferreira de | |
dc.contributor.referee | Badue, Claudine | |
dc.contributor.referee | Freitas, Fábio Daros de | |
dc.contributor.referee | Côco, Klaus Fabian | |
dc.contributor.referee | Meira Júnior, Wagner | |
dc.date.accessioned | 2016-08-29T15:32:43Z | |
dc.date.available | 2016-07-11 | |
dc.date.available | 2016-08-29T15:32:43Z | |
dc.identifier.uri | http://repositorio.ufes.br/handle/10/4119 | |
dc.publisher | Universidade Federal do Espírito Santo | por |
dc.publisher.country | BR | por |
dc.publisher.course | Doutorado em Engenharia Elétrica | por |
dc.publisher.initials | UFES | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | por |
dc.subject.br-rjbn | Algoritmos de expectativa de maximização | por |
dc.subject.br-rjbn | Aprendizado do computador | por |
dc.subject.br-rjbn | Redes neurais (Computação) | por |
dc.subject.cnpq | Eletrônica Industrial, Sistemas e Controles Eletrônicos | por |
dc.subject.udc | 621.3 | |
dc.title | Modelo de aprendizado incremental baseado em uma rede neural com arquitetura adaptativa | por |
dc.type | doctoralThesis | eng |
dcterms.abstract | Este 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. | por |
dcterms.creator | Ciarelli, Patrick Marques | |
dcterms.format | Text | eng |
dcterms.issued | 2012-12-12 | |
dcterms.language | por |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- tese_2753_Patrick_tese.pdf
- Tamanho:
- 5.88 MB
- Formato:
- Adobe Portable Document Format
- Descrição: