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

Página do item simplificado
dc.contributor.advisorOliveira, Elias Silva de
dc.contributor.advisor-coSalles, Evandro Ottoni Teatini
dc.contributor.refereeSouza, Alberto Ferreira de
dc.contributor.refereeBadue, Claudine
dc.contributor.refereeFreitas, Fábio Daros de
dc.contributor.refereeCôco, Klaus Fabian
dc.contributor.refereeMeira Júnior, Wagner
dc.date.accessioned2016-08-29T15:32:43Z
dc.date.available2016-07-11
dc.date.available2016-08-29T15:32:43Z
dc.identifier.urihttp://repositorio.ufes.br/handle/10/4119
dc.publisherUniversidade Federal do Espírito Santopor
dc.publisher.countryBRpor
dc.publisher.courseDoutorado em Engenharia Elétricapor
dc.publisher.initialsUFESpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapor
dc.subject.br-rjbnAlgoritmos de expectativa de maximizaçãopor
dc.subject.br-rjbnAprendizado do computadorpor
dc.subject.br-rjbnRedes neurais (Computação)por
dc.subject.cnpqEletrônica Industrial, Sistemas e Controles Eletrônicospor
dc.subject.udc621.3
dc.titleModelo de aprendizado incremental baseado em uma rede neural com arquitetura adaptativapor
dc.typedoctoralThesiseng
dcterms.abstractEste 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.creatorCiarelli, Patrick Marques
dcterms.formatTexteng
dcterms.issued2012-12-12
dcterms.languagepor
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
PPGEE - Teses de doutorado