APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana

Detalhes bibliográficos
Autor(a) principal: Almeida, Cesar Eduardo Rodrigues Ferreira de
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UERJ
Texto Completo: http://www.bdtd.uerj.br/handle/1/11845
Resumo: Este trabalho explora um modelo alternativo que emprega a teoria dos conjuntos fuzzy para resolver problemas de regressão. Ao invés do tradicional Sistema Fuzzy Baseado em Regras foi utilizada a estrutura hierárquica denominada Fuzzy Pattern Trees for Regression (Árvores de Padrões Fuzzy para regressão-APF), que representa o conhecimento de forma mais compacta e fornece um compromisso entre acurácia e interpretabilidade. Esta estrutura na forma de árvore é composta por folhas que são termos fuzzy associados aos atributos, e de nós que são os operadores utilizados em sistemas fuzzy. Já as saídas são aproximações dos valores reais de funções que foram sintetizadas para resolver o problema de regressão. O algoritmo para síntese foi substituído pela Programação Genética Cartesiana (PGC), que consegue explorar grandes espaços de busca de forma eficiente. Neste trabalho foram criados dois modelos que exploram a sinergia das APFs e da PGC. A parte experimental realizada através de base de dados (BD) disponíveis no UCI e KEEL buscou achar uma melhor configuração geral para as árvores e comparar os modelos aqui criados com os métodos k-vizinhos mais próximos, Regressão Linear, Árvores de Regressão, Máquinas de Vetores de Suporte e Multilayer Perceptron. Além disso, houve a comparação com o método original das APFs. Os resultados obtidos se mostraram competitivos em termos de acurácia e de interpretabilidade.
id UERJ_3dc1953e805d98cc5f053e909fe49658
oai_identifier_str oai:www.bdtd.uerj.br:1/11845
network_acronym_str UERJ
network_name_str Biblioteca Digital de Teses e Dissertações da UERJ
repository_id_str 2903
spelling APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesianaFTP-CGP: synthesis of fuzzy pattern trees for regression by cartesian genetic programmingElectronic EngineeringFuzzy Pattern TreesCartesian Genetic ProgrammingRegressionInterpretabilityEngenharia EletrônicaLógica difusaAlgoritmosÁrvores de Padrões FuzzyProgramação Genética CartesianaRegressãoInterpretabilidadeCNPQ::ENGENHARIASEste trabalho explora um modelo alternativo que emprega a teoria dos conjuntos fuzzy para resolver problemas de regressão. Ao invés do tradicional Sistema Fuzzy Baseado em Regras foi utilizada a estrutura hierárquica denominada Fuzzy Pattern Trees for Regression (Árvores de Padrões Fuzzy para regressão-APF), que representa o conhecimento de forma mais compacta e fornece um compromisso entre acurácia e interpretabilidade. Esta estrutura na forma de árvore é composta por folhas que são termos fuzzy associados aos atributos, e de nós que são os operadores utilizados em sistemas fuzzy. Já as saídas são aproximações dos valores reais de funções que foram sintetizadas para resolver o problema de regressão. O algoritmo para síntese foi substituído pela Programação Genética Cartesiana (PGC), que consegue explorar grandes espaços de busca de forma eficiente. Neste trabalho foram criados dois modelos que exploram a sinergia das APFs e da PGC. A parte experimental realizada através de base de dados (BD) disponíveis no UCI e KEEL buscou achar uma melhor configuração geral para as árvores e comparar os modelos aqui criados com os métodos k-vizinhos mais próximos, Regressão Linear, Árvores de Regressão, Máquinas de Vetores de Suporte e Multilayer Perceptron. Além disso, houve a comparação com o método original das APFs. Os resultados obtidos se mostraram competitivos em termos de acurácia e de interpretabilidade.This work explores an alternative model uses fuzzy set theory to solve regression problems. Instead of the traditional fuzzy rule based system, a hierarchical structure called Fuzzy Pattern Trees for Regression, which represents knowledge in a more compact way and presents a compromise between security and interpretability, has been used. This structure in the form of a tree is composed of leaves that are fuzzy terms associated with the attributes. The outputs are approximations of the real values of functions that are synthesized to solve the regression problem. The algorithm for synthesis was replaced by Cartesian Genetic Programming, which can efficiently explore large search spaces. In this work two models were created that exploit a synergy of APFs and PGC. The experimental part performed through available data sets in the UCI and KEEL repositories sought to find a better overall configuration for the trees and compare models created here with the k nearest neighbors, Linear Regression, Regression Trees, Support Vector Machines and Multilayer Perceptrons. In addition, a comparison was made with the original method of APFs. Results were competitive in terms of accuracy and interpretability.Fundação de Amparo à Pesquisa do Estado do Rio de JaneiroUniversidade do Estado do Rio de JaneiroCentro de Tecnologia e Ciências::Faculdade de EngenhariaBRUERJPrograma de Pós-Graduação em Engenharia EletrônicaAmaral, Jorge Luís Machado dohttp://lattes.cnpq.br/1000528740958810Dias, Douglas Motahttp://lattes.cnpq.br/3426085961007140Tanscheit, Ricardohttp://lattes.cnpq.br/8206214061481076Almeida, Cesar Eduardo Rodrigues Ferreira de2021-01-06T19:19:18Z2018-02-212017-08-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfALMEIDA, Cesar Eduardo Rodrigues Ferreira de. APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana. 2017. 82 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2017.http://www.bdtd.uerj.br/handle/1/11845porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJ2024-02-27T18:16:52Zoai:www.bdtd.uerj.br:1/11845Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:16:52Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false
dc.title.none.fl_str_mv APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
FTP-CGP: synthesis of fuzzy pattern trees for regression by cartesian genetic programming
title APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
spellingShingle APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
Almeida, Cesar Eduardo Rodrigues Ferreira de
Electronic Engineering
Fuzzy Pattern Trees
Cartesian Genetic Programming
Regression
Interpretability
Engenharia Eletrônica
Lógica difusa
Algoritmos
Árvores de Padrões Fuzzy
Programação Genética Cartesiana
Regressão
Interpretabilidade
CNPQ::ENGENHARIAS
title_short APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
title_full APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
title_fullStr APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
title_full_unstemmed APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
title_sort APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana
author Almeida, Cesar Eduardo Rodrigues Ferreira de
author_facet Almeida, Cesar Eduardo Rodrigues Ferreira de
author_role author
dc.contributor.none.fl_str_mv Amaral, Jorge Luís Machado do
http://lattes.cnpq.br/1000528740958810
Dias, Douglas Mota
http://lattes.cnpq.br/3426085961007140
Tanscheit, Ricardo
http://lattes.cnpq.br/8206214061481076
dc.contributor.author.fl_str_mv Almeida, Cesar Eduardo Rodrigues Ferreira de
dc.subject.por.fl_str_mv Electronic Engineering
Fuzzy Pattern Trees
Cartesian Genetic Programming
Regression
Interpretability
Engenharia Eletrônica
Lógica difusa
Algoritmos
Árvores de Padrões Fuzzy
Programação Genética Cartesiana
Regressão
Interpretabilidade
CNPQ::ENGENHARIAS
topic Electronic Engineering
Fuzzy Pattern Trees
Cartesian Genetic Programming
Regression
Interpretability
Engenharia Eletrônica
Lógica difusa
Algoritmos
Árvores de Padrões Fuzzy
Programação Genética Cartesiana
Regressão
Interpretabilidade
CNPQ::ENGENHARIAS
description Este trabalho explora um modelo alternativo que emprega a teoria dos conjuntos fuzzy para resolver problemas de regressão. Ao invés do tradicional Sistema Fuzzy Baseado em Regras foi utilizada a estrutura hierárquica denominada Fuzzy Pattern Trees for Regression (Árvores de Padrões Fuzzy para regressão-APF), que representa o conhecimento de forma mais compacta e fornece um compromisso entre acurácia e interpretabilidade. Esta estrutura na forma de árvore é composta por folhas que são termos fuzzy associados aos atributos, e de nós que são os operadores utilizados em sistemas fuzzy. Já as saídas são aproximações dos valores reais de funções que foram sintetizadas para resolver o problema de regressão. O algoritmo para síntese foi substituído pela Programação Genética Cartesiana (PGC), que consegue explorar grandes espaços de busca de forma eficiente. Neste trabalho foram criados dois modelos que exploram a sinergia das APFs e da PGC. A parte experimental realizada através de base de dados (BD) disponíveis no UCI e KEEL buscou achar uma melhor configuração geral para as árvores e comparar os modelos aqui criados com os métodos k-vizinhos mais próximos, Regressão Linear, Árvores de Regressão, Máquinas de Vetores de Suporte e Multilayer Perceptron. Além disso, houve a comparação com o método original das APFs. Os resultados obtidos se mostraram competitivos em termos de acurácia e de interpretabilidade.
publishDate 2017
dc.date.none.fl_str_mv 2017-08-31
2018-02-21
2021-01-06T19:19:18Z
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.uri.fl_str_mv ALMEIDA, Cesar Eduardo Rodrigues Ferreira de. APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana. 2017. 82 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2017.
http://www.bdtd.uerj.br/handle/1/11845
identifier_str_mv ALMEIDA, Cesar Eduardo Rodrigues Ferreira de. APFR-CGP: síntese de árvores padrões fuzzy para problemas de regressão via programação genética cartesiana. 2017. 82 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2017.
url http://www.bdtd.uerj.br/handle/1/11845
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Faculdade de Engenharia
BR
UERJ
Programa de Pós-Graduação em Engenharia Eletrônica
publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Faculdade de Engenharia
BR
UERJ
Programa de Pós-Graduação em Engenharia Eletrônica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UERJ
instname:Universidade do Estado do Rio de Janeiro (UERJ)
instacron:UERJ
instname_str Universidade do Estado do Rio de Janeiro (UERJ)
instacron_str UERJ
institution UERJ
reponame_str Biblioteca Digital de Teses e Dissertações da UERJ
collection Biblioteca Digital de Teses e Dissertações da UERJ
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)
repository.mail.fl_str_mv bdtd.suporte@uerj.br
_version_ 1818990627863396352

Registros relacionados