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

Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/4119

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.advisor	Oliveira, Elias Silva de	-
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.title	Modelo de aprendizado incremental baseado em uma rede neural com arquitetura adaptativa	por
dc.type	doctoralThesis	eng
dc.subject.udc	621.3	-
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
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	-
dc.publisher.country	BR	por
dc.publisher.program	Programa de Pós-Graduação em Engenharia Elétrica	por
dc.publisher.initials	UFES	por
dc.subject.cnpq	Eletrônica Industrial, Sistemas e Controles Eletrônicos	por
dc.publisher.course	Doutorado em Engenharia Elétrica	por
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.contributor.advisor-co	Salles, Evandro Ottoni Teatini	-
Aparece nas coleções:	PPGEE - Teses de doutorado

Arquivos associados a este item:

Arquivo	Tamanho	Formato
tese_2753_Patrick_tese.pdf	6.02 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas