| spelling |
Cristiano Leite de CastroFrederico Gadelha GuimaraesThiago de Souza RodriguesLuiz Carlos Bambirra TorresMarcus Vinícius de Freitas Diadelmo2019-08-13T05:50:03Z2019-08-13T05:50:03Z2016-07-06http://hdl.handle.net/1843/BUBD-AN6N9MEste trabalho consiste no desenvolvimento de algoritmos de aprendizado incremental com mem´oria parcial, onde a mem´oria parcial ´e obtida atrav´es da estrutura do grafo de Gabriel. Sao propostas quatro t´ecnicas incrementais, sendo que, em tres delas a mem´oria parcial ´e obtida pelo grafo de Gabriel e pela elimina¸cao de ru´dos, e uma quarta t´ecnica que, al´em de utilizar o grafo de Gabriel e a elimina¸cao de ru´dos, utiliza uma medida de afastamento da distribui¸cao real dos dados para selecionar padroes que possam ser rele- vantes para o aprendizado. Foram realizados testes estat´sticos para avaliar os m´etodos. Nestes testes foram avaliados a equivalencia da abordagem incremental e da abordagem tradicional (dados separados em treinamento e teste), compara¸cao entre os algoritmos incrementais desenvolvidos e alguns presentes na literatura. Os resultados comparativos obtidos mostram que as t´ecnicas desenvolvidas sao eficientes e possuem a particularidade de nao necessitar de especialistas para determinar parametros (na maioria das t´ecnicas). Uma breve an´alise sobre a influencia do tamanho da janela de dados indica que, possivel- mente, o tamanho da janela nao ´e um parametro decisivo para o sucesso do algoritmo.This work presents the development of incremental learning algorithms with partial memory, where the partial memory is obtained by the Gabriel graph structure. Four incremental techniques are proposed. In three of them, the partial memory is obtained by Gabriel graph and noise elimination. Besides considering Gabriel graph and noise elimination, the fourth incremental technique selects relevant patterns from a discrepancy measure of the data true distribution. Statistical tests to evaluated the methods were performed. These tests evaluate the equivalence of the incremental approach with the traditional approach (data separated into training and test), and also the comparison of the incremental algorithms with some others in the literature. The comparative results show that the developed techniques are efficient and have the particularity of not requiring experts to determine the parameters (in most technics). A brief analysis of the influence of the size of the data window indicates that the window size might not be a decisive parameter for the success of the algorithms.Universidade Federal de Minas GeraisUFMGAlgoritmosEngenharia elétricaTeoria dos grafosEngenharia elétricaAprendizado incremental com memória parcial via 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:UFMGORIGINALdiss_marcus.pdfapplication/pdf2026347https://repositorio.ufmg.br/bitstream/1843/BUBD-AN6N9M/1/diss_marcus.pdf560fd0cccc9a2af498bbcca4071e3f47MD51TEXTdiss_marcus.pdf.txtdiss_marcus.pdf.txtExtracted texttext/plain105028https://repositorio.ufmg.br/bitstream/1843/BUBD-AN6N9M/2/diss_marcus.pdf.txtee887bf879783395054bbf7217caed47MD521843/BUBD-AN6N9M2019-11-14 21:24:25.986oai:repositorio.ufmg.br:1843/BUBD-AN6N9MRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-15T00:24:25Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|