Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.

Detalhes bibliográficos
Autor(a) principal: ALMEIDA, Rodrigo Maximiano Antunes de
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/1599
Resumo: Este trabalho apresenta uma nova técnica de treinamento de redes neurais artificiais baseado em técnicas geométricas. Este método tem a capacidade de gerar a topografia da rede sem necessidade de especificação de parâmetros. Técnicas similares, baseadas em fatores geométricos, vêm sendo desenvolvidas com altas taxas de acerto e boa capacidade de generalização. Neste trabalho adaptamos o teorema de eixos de separação para espaços n-dimensionais, expandindo o conceito de OBB-trees para OBHB-trees. O algoritmo é composto de quatro tapas: construção das OBHB’s, busca dos hiperplanos de separação usando o teorema dos eixos de separação, seleção do melhor conjunto de hiperplanos e especificação da rede neural. Resultados experimentais demonstram que esta técnica pode ser utilizada com sucesso em problemas de classificação.
id UFEI_3fb652d81f74352200292ed8b7027f14
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/1599
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str 7044
spelling 2009-03-302018-08-29T13:35:30Z2018-08-29T13:35:30ZALMEIDA, Rodrigo Maximiano Antunes de. Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais. 2009. 55 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2009.https://repositorio.unifei.edu.br/jspui/handle/123456789/1599Este trabalho apresenta uma nova técnica de treinamento de redes neurais artificiais baseado em técnicas geométricas. Este método tem a capacidade de gerar a topografia da rede sem necessidade de especificação de parâmetros. Técnicas similares, baseadas em fatores geométricos, vêm sendo desenvolvidas com altas taxas de acerto e boa capacidade de generalização. Neste trabalho adaptamos o teorema de eixos de separação para espaços n-dimensionais, expandindo o conceito de OBB-trees para OBHB-trees. O algoritmo é composto de quatro tapas: construção das OBHB’s, busca dos hiperplanos de separação usando o teorema dos eixos de separação, seleção do melhor conjunto de hiperplanos e especificação da rede neural. Resultados experimentais demonstram que esta técnica pode ser utilizada com sucesso em problemas de classificação.Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisItajubáUniversidade Federal de Itajubá55 p.Redes neurais artificiaisTeorema de eixos de separaçãoClassificação de padrõesHONÓRIO, Leonardo de MelloEngenharia ElétricaAutomação e Sistemas Elétricos IndustriaisALMEIDA, Rodrigo Maximiano Antunes dePrograma de Pós-Graduação: Mestrado - Engenharia ElétricaIESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informaçãoporreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIinfo:eu-repo/semantics/openAccessORIGINALdissertacao_0034500.pdfdissertacao_0034500.pdfapplication/pdf4238225https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1599/1/dissertacao_0034500.pdfd62e3531ec341a544a6a18c60d588523MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1599/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/15992024-04-09 10:21:02.143oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442024-04-09T13:21:02Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
title Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
spellingShingle Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
ALMEIDA, Rodrigo Maximiano Antunes de
title_short Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
title_full Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
title_fullStr Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
title_full_unstemmed Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
title_sort Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais.
author ALMEIDA, Rodrigo Maximiano Antunes de
author_facet ALMEIDA, Rodrigo Maximiano Antunes de
author_role author
dc.contributor.author.fl_str_mv ALMEIDA, Rodrigo Maximiano Antunes de
description Este trabalho apresenta uma nova técnica de treinamento de redes neurais artificiais baseado em técnicas geométricas. Este método tem a capacidade de gerar a topografia da rede sem necessidade de especificação de parâmetros. Técnicas similares, baseadas em fatores geométricos, vêm sendo desenvolvidas com altas taxas de acerto e boa capacidade de generalização. Neste trabalho adaptamos o teorema de eixos de separação para espaços n-dimensionais, expandindo o conceito de OBB-trees para OBHB-trees. O algoritmo é composto de quatro tapas: construção das OBHB’s, busca dos hiperplanos de separação usando o teorema dos eixos de separação, seleção do melhor conjunto de hiperplanos e especificação da rede neural. Resultados experimentais demonstram que esta técnica pode ser utilizada com sucesso em problemas de classificação.
publishDate 2009
dc.date.issued.fl_str_mv 2009-03-30
dc.date.available.fl_str_mv 2018-08-29T13:35:30Z
dc.date.accessioned.fl_str_mv 2018-08-29T13:35:30Z
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 ALMEIDA, Rodrigo Maximiano Antunes de. Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais. 2009. 55 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2009.
dc.identifier.uri.fl_str_mv https://repositorio.unifei.edu.br/jspui/handle/123456789/1599
identifier_str_mv ALMEIDA, Rodrigo Maximiano Antunes de. Reconhecimento de padrões utilizando o teorema do eixo de separação e redes neurais artificiais. 2009. 55 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2009.
url https://repositorio.unifei.edu.br/jspui/handle/123456789/1599
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.publisher.program.fl_str_mv Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
dc.publisher.department.fl_str_mv IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1599/1/dissertacao_0034500.pdf
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1599/2/license.txt
bitstream.checksum.fl_str_mv d62e3531ec341a544a6a18c60d588523
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1801863191204986880

Registros relacionados