Rede Neural Probabilística para a Classificação de Atividades Econômicas

Detalhes bibliográficos
Autor(a) principal: Ciarelli, Patrick Marques
Data de Publicação: 2008
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
Texto Completo: http://repositorio.ufes.br/handle/10/4056
Resumo: Thisworkpresents anapproach basedonArtificialNeuralNetworksforproblemsofmulti-label classification.In particular,was useda modifiedversionof ProbabilisticNeuralNetworkto handlesuch problems.In experiments carriedoutin variousdatabasesknownin theliterature,theProbabilisticNeuralNetworkproposalpresenteda performancecomparable,andsometimesevensuperiorto otheralgorithmsspecializedin thistype ofproblem.Asthemainfocusof thisworkwas thestudyof strategiesforautomatictextclassi-ficationof economicactivitiesthenwerealsoconductedexperiments usinga databaseofeconomicactivities.However,unlike of databasesusedpreviously, thisdatabaseshowsahugenumber of categoriesandfewsamplesof trainingby category, which increasesthedegreeof difficulty thisproblem.In theexperiments wereusedto ProbabilisticNeuralNetworkproposal,theclassifierMulti-label k-NearestNeighbor anda GeneticAlgorithmforoptimizationof theparameters.Themetricsusedto evaluationof performancehaveshownthattheresultsof ProbabilisticNeuralNetworkweresuperiorandcomparabletotheresultsobtainedby theMulti-label k-NearestNeighbor,showingthattheapproachusedin thisworkis promising.
id UFES_e24c85a03246763dd10e96e2380c622f
oai_identifier_str oai:repositorio.ufes.br:10/4056
network_acronym_str UFES
network_name_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository_id_str 2108
spelling Oliveira, Elias Silva deSalles, Evandro Ottoni TeatiniCiarelli, Patrick MarquesKrohling, Renato AntônioFrança, Felipe Maia Galvão2016-08-29T15:32:272016-07-112016-08-29T15:32:27Z2008-02-22Thisworkpresents anapproach basedonArtificialNeuralNetworksforproblemsofmulti-label classification.In particular,was useda modifiedversionof ProbabilisticNeuralNetworkto handlesuch problems.In experiments carriedoutin variousdatabasesknownin theliterature,theProbabilisticNeuralNetworkproposalpresenteda performancecomparable,andsometimesevensuperiorto otheralgorithmsspecializedin thistype ofproblem.Asthemainfocusof thisworkwas thestudyof strategiesforautomatictextclassi-ficationof economicactivitiesthenwerealsoconductedexperiments usinga databaseofeconomicactivities.However,unlike of databasesusedpreviously, thisdatabaseshowsahugenumber of categoriesandfewsamplesof trainingby category, which increasesthedegreeof difficulty thisproblem.In theexperiments wereusedto ProbabilisticNeuralNetworkproposal,theclassifierMulti-label k-NearestNeighbor anda GeneticAlgorithmforoptimizationof theparameters.Themetricsusedto evaluationof performancehaveshownthattheresultsof ProbabilisticNeuralNetworkweresuperiorandcomparabletotheresultsobtainedby theMulti-label k-NearestNeighbor,showingthattheapproachusedin thisworkis promising.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.Texthttp://repositorio.ufes.br/handle/10/4056porUniversidade Federal do Espírito SantoMestrado em Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUFESBRCentro TecnológicoReconhecimento de padrões.Redes neurais (Computação)Eletrônica Industrial, Sistemas e Controles Eletrônicos621.3Rede Neural Probabilística para a Classificação de Atividades Econômicasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALtese_2374_DissCiarelli.pdfapplication/pdf657695http://repositorio.ufes.br/bitstreams/ceeae32e-6129-4fda-ada8-b97bbecabe98/download2e3f00e12cb68ef17232b66f664a2f00MD5110/40562024-06-28 16:10:41.877oai:repositorio.ufes.br:10/4056http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-06-28T16:10:41Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false
dc.title.none.fl_str_mv Rede Neural Probabilística para a Classificação de Atividades Econômicas
title Rede Neural Probabilística para a Classificação de Atividades Econômicas
spellingShingle Rede Neural Probabilística para a Classificação de Atividades Econômicas
Ciarelli, Patrick Marques
Eletrônica Industrial, Sistemas e Controles Eletrônicos
Reconhecimento de padrões.
Redes neurais (Computação)
621.3
title_short Rede Neural Probabilística para a Classificação de Atividades Econômicas
title_full Rede Neural Probabilística para a Classificação de Atividades Econômicas
title_fullStr Rede Neural Probabilística para a Classificação de Atividades Econômicas
title_full_unstemmed Rede Neural Probabilística para a Classificação de Atividades Econômicas
title_sort Rede Neural Probabilística para a Classificação de Atividades Econômicas
author Ciarelli, Patrick Marques
author_facet Ciarelli, Patrick Marques
author_role author
dc.contributor.advisor-co1.fl_str_mv Oliveira, Elias Silva de
dc.contributor.advisor1.fl_str_mv Salles, Evandro Ottoni Teatini
dc.contributor.author.fl_str_mv Ciarelli, Patrick Marques
dc.contributor.referee1.fl_str_mv Krohling, Renato Antônio
dc.contributor.referee2.fl_str_mv França, Felipe Maia Galvão
contributor_str_mv Oliveira, Elias Silva de
Salles, Evandro Ottoni Teatini
Krohling, Renato Antônio
França, Felipe Maia Galvão
dc.subject.cnpq.fl_str_mv Eletrônica Industrial, Sistemas e Controles Eletrônicos
topic Eletrônica Industrial, Sistemas e Controles Eletrônicos
Reconhecimento de padrões.
Redes neurais (Computação)
621.3
dc.subject.br-rjbn.none.fl_str_mv Reconhecimento de padrões.
Redes neurais (Computação)
dc.subject.udc.none.fl_str_mv 621.3
description Thisworkpresents anapproach basedonArtificialNeuralNetworksforproblemsofmulti-label classification.In particular,was useda modifiedversionof ProbabilisticNeuralNetworkto handlesuch problems.In experiments carriedoutin variousdatabasesknownin theliterature,theProbabilisticNeuralNetworkproposalpresenteda performancecomparable,andsometimesevensuperiorto otheralgorithmsspecializedin thistype ofproblem.Asthemainfocusof thisworkwas thestudyof strategiesforautomatictextclassi-ficationof economicactivitiesthenwerealsoconductedexperiments usinga databaseofeconomicactivities.However,unlike of databasesusedpreviously, thisdatabaseshowsahugenumber of categoriesandfewsamplesof trainingby category, which increasesthedegreeof difficulty thisproblem.In theexperiments wereusedto ProbabilisticNeuralNetworkproposal,theclassifierMulti-label k-NearestNeighbor anda GeneticAlgorithmforoptimizationof theparameters.Themetricsusedto evaluationof performancehaveshownthattheresultsof ProbabilisticNeuralNetworkweresuperiorandcomparabletotheresultsobtainedby theMulti-label k-NearestNeighbor,showingthattheapproachusedin thisworkis promising.
publishDate 2008
dc.date.issued.fl_str_mv 2008-02-22
dc.date.accessioned.fl_str_mv 2016-08-29T15:32:27
dc.date.available.fl_str_mv 2016-07-11
2016-08-29T15:32:27Z
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 http://repositorio.ufes.br/handle/10/4056
url http://repositorio.ufes.br/handle/10/4056
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 Text
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Engenharia Elétrica
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Elétrica
dc.publisher.initials.fl_str_mv UFES
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Centro Tecnológico
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
instname:Universidade Federal do Espírito Santo (UFES)
instacron:UFES
instname_str Universidade Federal do Espírito Santo (UFES)
instacron_str UFES
institution UFES
reponame_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
collection Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
bitstream.url.fl_str_mv http://repositorio.ufes.br/bitstreams/ceeae32e-6129-4fda-ada8-b97bbecabe98/download
bitstream.checksum.fl_str_mv 2e3f00e12cb68ef17232b66f664a2f00
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)
repository.mail.fl_str_mv
_version_ 1804309193149120512

Registros relacionados