Aplicação do modelo híbrido neural simbólico CNM em mineração de dados

• Autor(a) principal: Leite, Leonardo Marques C.
• Data de Publicação: 2002
• Idioma: por
• Título da fonte: Repositório Institucional da UCB
• Texto Completo: https://repositorio.ucb.br:9443/jspui/handle/123456789/10151
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Ciência da computação

O CNM - Combinatorial Neural Model, modelo de aprendizagem automática, é uma arquitetura híbrida para sistemas inteligentes baseada num modelo neuro-simbólico, que mapeia conhecimento prévio para uma rede neural, adequado para utilização em áreas como reconhecimento de padrões, sistemas especialistas e mineração de dados, com potencial de aplicação para modelos genéricos de KDD (Descoberta de Conhecimento em Bases de Dados) e Bioinformática. O CNM apresenta propriedades como modularidade, rapidez no treinamento, aprendizado incremental, capacidade de generalização e processamento de dados incertos ou incompletos. O modelo utiliza um método indutivo de aprendizado automático sob uma estrutura baseada num modelo de representação neural caracterizada para tratamento de dados simbólicos. O algoritmo tem como uma das suas características fundamentais a possibilidade de analisar conjuntos Fuzzy naturalmente em virtude de sua arquitetura e estrutura de controle internas. Este trabalho apresenta um detalhamento destas principais características baseado numa implementação completa em linguagem Java, onde demonstram-se os processos de treinamento e poda do algoritmo, além de uma interface amigável e versátil para a aplicação em problemas diversos. O software foi testado com dados reais e os resultados foram iguais aos encontrados na bibliografia básica dos autores do modelo. A validação foi feita baseada em um exemplo de diagnóstico médico.