Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/15449 |
Resumo: | Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification |
id |
UFRN_4c7d9f2a5fb975ca0ef76513d35c5d00 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/15449 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Lima, Naiyan Hari Cândidohttp://lattes.cnpq.br/8241420490601784http://lattes.cnpq.br/7325007451912598Dória Neto, Adrião Duartehttp://lattes.cnpq.br/1987295209521433Martins, Allan de Medeiroshttp://lattes.cnpq.br/4402694969508077Lima Júnior, Francisco Chagas deMelo, Jorge Dantas de2014-12-17T14:56:07Z2013-04-182014-12-17T14:56:07Z2012-08-13LIMA, Naiyan Hari Cândido. Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço. 2012. 75 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2012.https://repositorio.ufrn.br/jspui/handle/123456789/15449Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classificationA aprendizagem por reforço é uma técnica de aprendizado de máquina que, embora já tenha encontrado uma grande quantidade de aplicações, talvez ainda não tenha alcançado seu pleno potencial. Uma das possibilidades que não foi devidamente testada até hoje foi a utilização da aprendizagem por reforço em conjunto com outros métodos para a solução de problemas de classificação de padrões. É bem documentada na literatura a problemática que ensembles de máquinas de vetor de suporte encontram em termos de capacidade de generalização. Algoritmos como Adaboost não lidam apropriadamente com os desequilíbrios que podem surgir nessas situações. Várias alternativas já foram propostas, com margens variadas de sucesso. Esta dissertação apresenta uma nova abordagem para a construção de comitês de máquinas de vetor de suporte. O algoritmo apresentado combina o algoritmo Adaboost com uma camada de aprendizagem por reforço, para ajustar parâmetros do comitê evitando que desequilíbrios nos classificadores componentes do comitê prejudiquem o desempenho de generalização da hipótese final. Foram efetuadas comparações de comitês com e sem essa camada adicional de aprendizagem por reforço, testando conjuntos de dados benchmarks amplamente conhecidos na área de classificação de padrõesapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Engenharia ElétricaUFRNBRAutomação e Sistemas; Engenharia de Computação; TelecomunicaçõesAprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforçoMachine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learningCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAClassificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforçoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALNaiyanHCL_DISSERT.pdfapplication/pdf1452285https://repositorio.ufrn.br/bitstream/123456789/15449/1/NaiyanHCL_DISSERT.pdf018fb1e8fa51e8f7094cce68a18c6c73MD51TEXTNaiyanHCL_DISSERT.pdf.txtNaiyanHCL_DISSERT.pdf.txtExtracted texttext/plain128505https://repositorio.ufrn.br/bitstream/123456789/15449/6/NaiyanHCL_DISSERT.pdf.txt26a5e8c0135c04c8c59fc5b1aaa8e03eMD56THUMBNAILNaiyanHCL_DISSERT.pdf.jpgNaiyanHCL_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2304https://repositorio.ufrn.br/bitstream/123456789/15449/7/NaiyanHCL_DISSERT.pdf.jpgbe7a4313e2c3bc5f264b966ac2cc2f9eMD57123456789/154492017-10-31 15:56:46.881oai:https://repositorio.ufrn.br:123456789/15449Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-10-31T18:56:46Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.por.fl_str_mv |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço |
title |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço |
spellingShingle |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço Lima, Naiyan Hari Cândido Aprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforço Machine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learning CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
title_short |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço |
title_full |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço |
title_fullStr |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço |
title_full_unstemmed |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço |
title_sort |
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço |
author |
Lima, Naiyan Hari Cândido |
author_facet |
Lima, Naiyan Hari Cândido |
author_role |
author |
dc.contributor.authorID.por.fl_str_mv |
|
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/8241420490601784 |
dc.contributor.advisorID.por.fl_str_mv |
|
dc.contributor.advisorLattes.por.fl_str_mv |
http://lattes.cnpq.br/7325007451912598 |
dc.contributor.referees1.pt_BR.fl_str_mv |
Dória Neto, Adrião Duarte |
dc.contributor.referees1ID.por.fl_str_mv |
|
dc.contributor.referees1Lattes.por.fl_str_mv |
http://lattes.cnpq.br/1987295209521433 |
dc.contributor.referees2.pt_BR.fl_str_mv |
Martins, Allan de Medeiros |
dc.contributor.referees2ID.por.fl_str_mv |
|
dc.contributor.referees2Lattes.por.fl_str_mv |
http://lattes.cnpq.br/4402694969508077 |
dc.contributor.referees3.pt_BR.fl_str_mv |
Lima Júnior, Francisco Chagas de |
dc.contributor.referees3ID.por.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Lima, Naiyan Hari Cândido |
dc.contributor.advisor1.fl_str_mv |
Melo, Jorge Dantas de |
contributor_str_mv |
Melo, Jorge Dantas de |
dc.subject.por.fl_str_mv |
Aprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforço |
topic |
Aprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforço Machine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learning CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
dc.subject.eng.fl_str_mv |
Machine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learning |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
description |
Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-08-13 |
dc.date.available.fl_str_mv |
2013-04-18 2014-12-17T14:56:07Z |
dc.date.accessioned.fl_str_mv |
2014-12-17T14:56:07Z |
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 |
LIMA, Naiyan Hari Cândido. Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço. 2012. 75 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2012. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/15449 |
identifier_str_mv |
LIMA, Naiyan Hari Cândido. Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço. 2012. 75 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2012. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/15449 |
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 |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Automação e Sistemas; Engenharia de Computação; Telecomunicações |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/15449/1/NaiyanHCL_DISSERT.pdf https://repositorio.ufrn.br/bitstream/123456789/15449/6/NaiyanHCL_DISSERT.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/15449/7/NaiyanHCL_DISSERT.pdf.jpg |
bitstream.checksum.fl_str_mv |
018fb1e8fa51e8f7094cce68a18c6c73 26a5e8c0135c04c8c59fc5b1aaa8e03e be7a4313e2c3bc5f264b966ac2cc2f9e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117842032656384 |