Uma metodologia de busca por redes neurais artificiais quase-ótimas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2007 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/2683 |
Resumo: | Este trabalho propõe uma metodologia de busca automática por Redes Neurais Artificiais (RNA) quase-ótimas para problemas de classificação. A metodologia tem o intuito de buscar redes com arquitetura simples, com aprendizagem rápida e com boa capacidade de classificação, ou seja, redes quase-ótimas. A motivação para o desenvolvimento do presente trabalho está centralizada nas dificuldades de encontrar manualmente RNAs quase-ótimas. Essas dificuldades são ocasionadas pelo grande número de parâmetros de RNAs que necessitam de ajustes para que haja uma correlação entre esses parâmetros, a fim de contribuir para que redes estruturalmente simples e com alto desempenho possam ser encontradas. A busca automática por redes quase-ótimas engloba informações como pesos iniciais, camadas escondidas, nodos por camada, tipos de funções de ativação e algoritmos de aprendizagem para redes Multi-Layer Perceptron (MLP), completamente conectadas. O mecanismo de busca é composto por uma combinação de Algoritmos Genéticos (AG) e de RNAs. Nessa combinação, primeiramente é executada uma busca global pelos parâmetros de RNAs, posteriormente executa-se uma busca local com RNAs por meio de seus algoritmos de aprendizagem, para refinar e avaliar a solução encontrada. Essa forma de busca é consagrada e apresentou bons resultados em outros trabalhos encontrados na literatura. O diferencial do método desenvolvido é o foco na simplificação de arquiteturas com um alto desempenho de classificação, exigindo poucas épocas de treinamento. Com o método desenvolvido foram realizados experimentos em cinco domínios de problemas conhecidos, a saber: Câncer, Vidros, Coração, Cavalos e Diabetes. Os resultados apontam uma melhor eficácia do método desenvolvido na busca por redes quase-ótimas perante o método de busca manual e também em relação a outros métodos da literatura. As redes encontradas para cada um dos domínios de problemas apresentam uma baixa complexidade e também um baixo erro de classificação. Esses resultados são extremamente importantes para mostrar a capacidade do método desenvolvido e justificar o esforço investido no desenvolvimento de métodos de busca por RNAs quase-ótimas |
id |
UFPE_38254a12753ace0a555d35b943706386 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/2683 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
ALMEIDA, Leandro MacielLUDERMIR, Teresa Bernarda2014-06-12T16:00:15Z2014-06-12T16:00:15Z2007Maciel Almeida, Leandro; Bernarda Ludermir, Teresa. Uma metodologia de busca por redes neurais artificiais quase-ótimas. 2007. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2007.https://repositorio.ufpe.br/handle/123456789/2683Este trabalho propõe uma metodologia de busca automática por Redes Neurais Artificiais (RNA) quase-ótimas para problemas de classificação. A metodologia tem o intuito de buscar redes com arquitetura simples, com aprendizagem rápida e com boa capacidade de classificação, ou seja, redes quase-ótimas. A motivação para o desenvolvimento do presente trabalho está centralizada nas dificuldades de encontrar manualmente RNAs quase-ótimas. Essas dificuldades são ocasionadas pelo grande número de parâmetros de RNAs que necessitam de ajustes para que haja uma correlação entre esses parâmetros, a fim de contribuir para que redes estruturalmente simples e com alto desempenho possam ser encontradas. A busca automática por redes quase-ótimas engloba informações como pesos iniciais, camadas escondidas, nodos por camada, tipos de funções de ativação e algoritmos de aprendizagem para redes Multi-Layer Perceptron (MLP), completamente conectadas. O mecanismo de busca é composto por uma combinação de Algoritmos Genéticos (AG) e de RNAs. Nessa combinação, primeiramente é executada uma busca global pelos parâmetros de RNAs, posteriormente executa-se uma busca local com RNAs por meio de seus algoritmos de aprendizagem, para refinar e avaliar a solução encontrada. Essa forma de busca é consagrada e apresentou bons resultados em outros trabalhos encontrados na literatura. O diferencial do método desenvolvido é o foco na simplificação de arquiteturas com um alto desempenho de classificação, exigindo poucas épocas de treinamento. Com o método desenvolvido foram realizados experimentos em cinco domínios de problemas conhecidos, a saber: Câncer, Vidros, Coração, Cavalos e Diabetes. Os resultados apontam uma melhor eficácia do método desenvolvido na busca por redes quase-ótimas perante o método de busca manual e também em relação a outros métodos da literatura. As redes encontradas para cada um dos domínios de problemas apresentam uma baixa complexidade e também um baixo erro de classificação. Esses resultados são extremamente importantes para mostrar a capacidade do método desenvolvido e justificar o esforço investido no desenvolvimento de métodos de busca por RNAs quase-ótimasConselho Nacional de Desenvolvimento Científico e TecnológicoporUniversidade Federal de PernambucoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessRedes neurais artificiaisAlgoritmos genéticosAlgoritmos meméticosRedes quase-ótimasParametrização automática de redes neurais artificiaisUma metodologia de busca por redes neurais artificiais quase-ótimasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILarquivo6168_1.pdf.jpgarquivo6168_1.pdf.jpgGenerated Thumbnailimage/jpeg1220https://repositorio.ufpe.br/bitstream/123456789/2683/4/arquivo6168_1.pdf.jpgb878980f0f205e1d2c99c0f513aff3f9MD54ORIGINALarquivo6168_1.pdfapplication/pdf990535https://repositorio.ufpe.br/bitstream/123456789/2683/1/arquivo6168_1.pdfd789111179e03d1c60d3ba9fb8042bf2MD51LICENSElicense.txttext/plain1748https://repositorio.ufpe.br/bitstream/123456789/2683/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTarquivo6168_1.pdf.txtarquivo6168_1.pdf.txtExtracted texttext/plain321358https://repositorio.ufpe.br/bitstream/123456789/2683/3/arquivo6168_1.pdf.txta00a7ee0e570a6d35ea3295596285653MD53123456789/26832019-10-25 02:58:53.366oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T05:58:53Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Uma metodologia de busca por redes neurais artificiais quase-ótimas |
title |
Uma metodologia de busca por redes neurais artificiais quase-ótimas |
spellingShingle |
Uma metodologia de busca por redes neurais artificiais quase-ótimas ALMEIDA, Leandro Maciel Redes neurais artificiais Algoritmos genéticos Algoritmos meméticos Redes quase-ótimas Parametrização automática de redes neurais artificiais |
title_short |
Uma metodologia de busca por redes neurais artificiais quase-ótimas |
title_full |
Uma metodologia de busca por redes neurais artificiais quase-ótimas |
title_fullStr |
Uma metodologia de busca por redes neurais artificiais quase-ótimas |
title_full_unstemmed |
Uma metodologia de busca por redes neurais artificiais quase-ótimas |
title_sort |
Uma metodologia de busca por redes neurais artificiais quase-ótimas |
author |
ALMEIDA, Leandro Maciel |
author_facet |
ALMEIDA, Leandro Maciel |
author_role |
author |
dc.contributor.author.fl_str_mv |
ALMEIDA, Leandro Maciel |
dc.contributor.advisor1.fl_str_mv |
LUDERMIR, Teresa Bernarda |
contributor_str_mv |
LUDERMIR, Teresa Bernarda |
dc.subject.por.fl_str_mv |
Redes neurais artificiais Algoritmos genéticos Algoritmos meméticos Redes quase-ótimas Parametrização automática de redes neurais artificiais |
topic |
Redes neurais artificiais Algoritmos genéticos Algoritmos meméticos Redes quase-ótimas Parametrização automática de redes neurais artificiais |
description |
Este trabalho propõe uma metodologia de busca automática por Redes Neurais Artificiais (RNA) quase-ótimas para problemas de classificação. A metodologia tem o intuito de buscar redes com arquitetura simples, com aprendizagem rápida e com boa capacidade de classificação, ou seja, redes quase-ótimas. A motivação para o desenvolvimento do presente trabalho está centralizada nas dificuldades de encontrar manualmente RNAs quase-ótimas. Essas dificuldades são ocasionadas pelo grande número de parâmetros de RNAs que necessitam de ajustes para que haja uma correlação entre esses parâmetros, a fim de contribuir para que redes estruturalmente simples e com alto desempenho possam ser encontradas. A busca automática por redes quase-ótimas engloba informações como pesos iniciais, camadas escondidas, nodos por camada, tipos de funções de ativação e algoritmos de aprendizagem para redes Multi-Layer Perceptron (MLP), completamente conectadas. O mecanismo de busca é composto por uma combinação de Algoritmos Genéticos (AG) e de RNAs. Nessa combinação, primeiramente é executada uma busca global pelos parâmetros de RNAs, posteriormente executa-se uma busca local com RNAs por meio de seus algoritmos de aprendizagem, para refinar e avaliar a solução encontrada. Essa forma de busca é consagrada e apresentou bons resultados em outros trabalhos encontrados na literatura. O diferencial do método desenvolvido é o foco na simplificação de arquiteturas com um alto desempenho de classificação, exigindo poucas épocas de treinamento. Com o método desenvolvido foram realizados experimentos em cinco domínios de problemas conhecidos, a saber: Câncer, Vidros, Coração, Cavalos e Diabetes. Os resultados apontam uma melhor eficácia do método desenvolvido na busca por redes quase-ótimas perante o método de busca manual e também em relação a outros métodos da literatura. As redes encontradas para cada um dos domínios de problemas apresentam uma baixa complexidade e também um baixo erro de classificação. Esses resultados são extremamente importantes para mostrar a capacidade do método desenvolvido e justificar o esforço investido no desenvolvimento de métodos de busca por RNAs quase-ótimas |
publishDate |
2007 |
dc.date.issued.fl_str_mv |
2007 |
dc.date.accessioned.fl_str_mv |
2014-06-12T16:00:15Z |
dc.date.available.fl_str_mv |
2014-06-12T16:00:15Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
Maciel Almeida, Leandro; Bernarda Ludermir, Teresa. Uma metodologia de busca por redes neurais artificiais quase-ótimas. 2007. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2007. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/2683 |
identifier_str_mv |
Maciel Almeida, Leandro; Bernarda Ludermir, Teresa. Uma metodologia de busca por redes neurais artificiais quase-ótimas. 2007. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2007. |
url |
https://repositorio.ufpe.br/handle/123456789/2683 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/2683/4/arquivo6168_1.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/2683/1/arquivo6168_1.pdf https://repositorio.ufpe.br/bitstream/123456789/2683/2/license.txt https://repositorio.ufpe.br/bitstream/123456789/2683/3/arquivo6168_1.pdf.txt |
bitstream.checksum.fl_str_mv |
b878980f0f205e1d2c99c0f513aff3f9 d789111179e03d1c60d3ba9fb8042bf2 8a4605be74aa9ea9d79846c1fba20a33 a00a7ee0e570a6d35ea3295596285653 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1797780552516894720 |