| spelling |
Antonio de Padua BragaLuiz Carlos Bambirra TorresCristiano Leite de CastroLeonardo Jose SilvestreMatheus Nogueira Salgado2019-08-09T21:58:15Z2019-08-09T21:58:15Z2019-02-14http://hdl.handle.net/1843/RAOA-BCFHQJO presente trabalho se destina ao estudo de novas formas de regularização baseada em informações extraídas do grafo de gabriel. São duas principais contribuições: primeiro, um estudo preliminar avalia como o grafo de gabriel pode ser utilizado na regularização de redes neurais RBF e como essa estrutura pode ser informativa. Características extraídas do grafo foram utilizadas remoção de funções radiais estimadas através do método CG-RBF, que também utiliza o grafo em sua construção. Segundo, é proposta uma nova abordagem de filtragem de ruído para um classificador construído com informações extraídas do grafo de gabriel, o CHIP-CLASS. Esse classificador não utiliza algoritmos de otimização ou definição de parâmetros pelo usuário. Trabalhos anteriores mostraram que classificadores eficientes podem ser construídos assim. No entanto, ainda há muito o que avançar no controle da capacidade desses classificadores. Os resultados mostram que um conjunto especial de vértices do grafo de gabriel é bastante informativo da região de separação entre classes e que a filtragem de amostras baseada em características do grafo pode ser utilizada para controlar a capacidade do modelo proposto.The present work is aimed at the study of new ways to build regularization based only on information extracted from the Gabriel graph. There are two main contributions: first, a preliminary study evaluates how the Gabriel graph can be used in the regularization of RBF neural networks and how this structure can be informative. Characteristics extracted from the graph were used to remove radial functions estimated by the CG-RBF algorithm, which also uses the graph in its construction. Second, a novel filtering approach is proposed for a classifier designed with information extracted from the Gabriel graph, the CHIP-CLASS. This classifier does not use neither optimization algorithms nor parameter definition by the user. Previous work has shown that efficient classifiers can be designed as such. However, there is still much to progress in regularization of these classifiers. The results show that a special set of Gabriel graph vertices is very informative of the classes separation region and that the filtering of samples based on characteristics of the graph can be used to control the capacity of the proposed model.Universidade Federal de Minas GeraisUFMGEngenharia elétricaRedes neurais (Computação)Teoria dos grafosEngenharia elétricaRegularização de classificadores geométricos de margem larga baseados no grafo de Gabrielinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALmatheus_salgado_dissertacao__1_.pdfapplication/pdf5907512https://repositorio.ufmg.br/bitstream/1843/RAOA-BCFHQJ/1/matheus_salgado_dissertacao__1_.pdfd6eeede7215195d66cf27dff4be7dae4MD51TEXTmatheus_salgado_dissertacao__1_.pdf.txtmatheus_salgado_dissertacao__1_.pdf.txtExtracted texttext/plain95094https://repositorio.ufmg.br/bitstream/1843/RAOA-BCFHQJ/2/matheus_salgado_dissertacao__1_.pdf.txt2ea54fb285dd474ed73b6a0a427dcf79MD521843/RAOA-BCFHQJ2019-11-14 07:58:46.379oai:repositorio.ufmg.br:1843/RAOA-BCFHQJRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T10:58:46Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|