Metodologia de aprendizado AutoML baseado em informações de complexidade de instâncias

• Autor(a) principal: Habib Asseiss Neto
• Data de Publicação: 2020
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/35575
• topic: Aprendizado de Máquina; AutoML; Teoria de Resposta ao Item; Redes Neurais Convolucionais; Computação – Teses; Aprendizado do computador – Teses; Redes neurais convolucionais – Teses; Teoria de Resposta ao Item – Teses; Leite - Análise -Teses

A análise de dados biológicos é uma tarefa importante, pois permite a obtenção de informações úteis e da expansão do conhecimento sobre determinado domínio biológico. Materiais biológicos podem ser analisados por diversas técnicas e um método amplamente utilizado para analisar a composição estrutural desses materiais é denominada análise de espectroscopia por infravermelho, que permite extrair informações através da emissão da luz infravermelha nas amostras. As técnicas de espectroscopia produzem um grande volume de dados, o que tornam complexas análises manuais por especialistas. A Ciência da Computação, através do Aprendizado de Máquina, pode ajudar nessa tarefa, oferecendo maneiras de compreender e produzir conhecimentos importantes a partir de amostras espectrais. As Redes Neurais Convolucionais, geralmente aplicadas com sucesso no reconhecimento de imagens, são especificamente adequadas para os dados espectrais das amostras, uma vez que as estruturas dos espectros podem ser vistas como uma imagem. Este trabalho conduz experimentos nos quais se procura detectar a ocorrência de adulteração no leite bovino através de análises de espectroscopia por infravermelho, utilizando, para isso, uma arquitetura proposta de rede neural convolucional e modelos ensemble de árvores de decisão. Nos experimentos realizados, dados espectrais de milhares de amostras, puras e adulteradas, do leite bovino foram submetidas à rede neural convolucional proposta, aos modelos ensemble e a outros métodos comumente utilizados para este fim, permitindo uma comparação de diferentes abordagens. A abordagem proposta foi capaz de detectar adulterantes com acurácia de até 98,76% para os métodos de rede neural convolucional e ensemble de árvores, enquanto os métodos de baseline comumente utilizados produziram acurácias médias de 65,88%. Apesar do bom desempenho da rede neural convolucional para o problema abordado, elaborar arquiteturas de redes neurais que ofereçam bom desempenho para problemas genéricos é uma tarefa desafiadora. Geralmente, a busca por uma arquitetura adequada é um processo específico para o problema abordado e é conduzido por cientistas especializados através de testes manuais e extensivos, além de ser necessário conhecimento prévio em problemas semelhantes abordados anteriormente. O Aprendizado de Máquina Automatizado, ou AutoML, pode colaborar nesse processo, pois tem como um de seus objetivos buscar as arquiteturas mais adequadas para o problema fornecido como entrada de forma completamente automatizada, sem intervenção humana. No entanto, métodos de Aprendizado de Máquina, ou mesmo de AutoML, geralmente não levam em consideração características individuais das instâncias que fazem parte dos conjuntos de dados analisados. Ao considerar informações que refletem características de cada amostra, pode-se avaliar a complexidade e a habilidade dos métodos. A Teoria de Resposta ao Item (IRT) é uma abordagem da área de psicometria que pode ser adaptada ao Aprendizado de Máquina, podendo oferecer descrições de complexidade no nível das instâncias, além de caracterizar habilidades inerentes aos modelos. Neste trabalho, propõe-se uma metodologia inovadora baseada em AutoML e IRT, denominada NASirt, capaz de oferecer uma maior explicabilidade de modelos de Redes Neurais Convolucionais. O método seleciona automaticamente um conjunto de modelos com diferentes arquiteturas e submete, a cada modelo, instâncias específicas do conjunto de dados, baseando-se em informações fornecidas pela IRT. O NASirt pode determinar as arquiteturas de redes neurais convolucionais mais adequadas para um determinado problema e realizar a classificação de instâncias com acurácias médias maiores que outros métodos analisados. Além disso, por utilizar os conceitos de IRT, o NASirt pode determinar a complexidade de instâncias do conjunto de dados analisado e estimar os níveis de habilidade de modelos com diferentes arquiteturas, obtendo um avanço na explicabilidade de modelos. Diversos experimentos foram conduzidos para avaliar o comportamento e a viabilidade da metodologia em conjuntos de dados reais, comparando os resultados com outros métodos de benchmark. Os resultados mostram que o método proposto apresenta desempenho, na maioria dos casos, melhor que os métodos comparados. A metodologia proposta foi capaz de gerar acurácias médias de 96,96% para um conjunto de dados, enquanto um modelo de rede neural convolucional criado manualmente apresentou 78,43%, uma abordagem de votação com centenas de modelos apresentou 69,06% e um sistema AutoML já existente apresentou 91,81% de acurácia.