Indexação e recuperação de informações utilizando redes neurais da família ART

Detalhes bibliográficos
Autor(a) principal: Vicentini, José Flavio
Data de Publicação: 2002
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19062015-113225/
Resumo: Os Sistemas de Gerenciamento de Banco de Dados (SGBDs) existentes são muito sofisticados, eficientes e rápidos na recuperação de informações envolvendo dados de tipos tradicionais, tais como números, texto, etc., mas existem muitas limitações em se tratando de recuperar informações quando os tipos de dados são mais complexos, isto é, dados multi-dimensionais. Considerando os problemas existentes com a indexação e recuperação de dados multi-dimensionais, este trabalho propõe um sistema híbrido que combina um modelo de Redes Neurais da família ART, ART2-A, com uma estrutura de dados, Slim-Tree, que é um método de acesso a dados no espaço métrico. Esta proposta é uma alternativa para realizar o processo de agrupamento de dados de forma \"inteligente\" tal que os dados pertencentes aos agrupamentos (clusters) possam ser recuperados a partir da Slim-Tree correspondente. O sistema híbrido proposto é capaz de realizar consultas do tipo: busca por abrangência e dos k-vizinhos mais próximos, o que não é característica comum das redes neurais artificiais. Além disto, os experimentos realizados mostram que o desempenho do sistema foi igual ou superior ao desempenho obtido pela Slim-Tree.
id USP_7fe7334a9f54f75c42ff60a0e3c44ac4
oai_identifier_str oai:teses.usp.br:tde-19062015-113225
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Indexação e recuperação de informações utilizando redes neurais da família ARTIndexing and recovering of information throug ART family neural networksNão disponívelNot availableOs Sistemas de Gerenciamento de Banco de Dados (SGBDs) existentes são muito sofisticados, eficientes e rápidos na recuperação de informações envolvendo dados de tipos tradicionais, tais como números, texto, etc., mas existem muitas limitações em se tratando de recuperar informações quando os tipos de dados são mais complexos, isto é, dados multi-dimensionais. Considerando os problemas existentes com a indexação e recuperação de dados multi-dimensionais, este trabalho propõe um sistema híbrido que combina um modelo de Redes Neurais da família ART, ART2-A, com uma estrutura de dados, Slim-Tree, que é um método de acesso a dados no espaço métrico. Esta proposta é uma alternativa para realizar o processo de agrupamento de dados de forma \"inteligente\" tal que os dados pertencentes aos agrupamentos (clusters) possam ser recuperados a partir da Slim-Tree correspondente. O sistema híbrido proposto é capaz de realizar consultas do tipo: busca por abrangência e dos k-vizinhos mais próximos, o que não é característica comum das redes neurais artificiais. Além disto, os experimentos realizados mostram que o desempenho do sistema foi igual ou superior ao desempenho obtido pela Slim-Tree.Database Management System (DBMS) are very sophisticated, efficient and fast in the information retrieval involving traditional data sets such as numbers, strings, etc., but there are many limitations in the information retrieval when the data are more complex, i.e., high-dimensional data. Considering some existing problems in the information retrieval, this work proposes a hybrid system that combines an ART family neural network, ART2-A, with a data structure, Slim-Tree, that is a metric access method. This proposal is an alternative to perform the clustering process of data in a \"intelligent\" way in order the data can be recovered from the corresponding Slim-Tree. The proposed hybrid system is able to perform range queries and k nearest neighbor queries, that is not a inherent characteristic of artificial neural networks. Furthermore, in experiments show that the performance system was equal or superior to Slim-Tree performance.Biblioteca Digitais de Teses e Dissertações da USPRomero, Roseli Aparecida FrancelinVicentini, José Flavio2002-12-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/55/55134/tde-19062015-113225/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:11:57Zoai:teses.usp.br:tde-19062015-113225Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:11:57Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Indexação e recuperação de informações utilizando redes neurais da família ART
Indexing and recovering of information throug ART family neural networks
title Indexação e recuperação de informações utilizando redes neurais da família ART
spellingShingle Indexação e recuperação de informações utilizando redes neurais da família ART
Vicentini, José Flavio
Não disponível
Not available
title_short Indexação e recuperação de informações utilizando redes neurais da família ART
title_full Indexação e recuperação de informações utilizando redes neurais da família ART
title_fullStr Indexação e recuperação de informações utilizando redes neurais da família ART
title_full_unstemmed Indexação e recuperação de informações utilizando redes neurais da família ART
title_sort Indexação e recuperação de informações utilizando redes neurais da família ART
author Vicentini, José Flavio
author_facet Vicentini, José Flavio
author_role author
dc.contributor.none.fl_str_mv Romero, Roseli Aparecida Francelin
dc.contributor.author.fl_str_mv Vicentini, José Flavio
dc.subject.por.fl_str_mv Não disponível
Not available
topic Não disponível
Not available
description Os Sistemas de Gerenciamento de Banco de Dados (SGBDs) existentes são muito sofisticados, eficientes e rápidos na recuperação de informações envolvendo dados de tipos tradicionais, tais como números, texto, etc., mas existem muitas limitações em se tratando de recuperar informações quando os tipos de dados são mais complexos, isto é, dados multi-dimensionais. Considerando os problemas existentes com a indexação e recuperação de dados multi-dimensionais, este trabalho propõe um sistema híbrido que combina um modelo de Redes Neurais da família ART, ART2-A, com uma estrutura de dados, Slim-Tree, que é um método de acesso a dados no espaço métrico. Esta proposta é uma alternativa para realizar o processo de agrupamento de dados de forma \"inteligente\" tal que os dados pertencentes aos agrupamentos (clusters) possam ser recuperados a partir da Slim-Tree correspondente. O sistema híbrido proposto é capaz de realizar consultas do tipo: busca por abrangência e dos k-vizinhos mais próximos, o que não é característica comum das redes neurais artificiais. Além disto, os experimentos realizados mostram que o desempenho do sistema foi igual ou superior ao desempenho obtido pela Slim-Tree.
publishDate 2002
dc.date.none.fl_str_mv 2002-12-18
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://www.teses.usp.br/teses/disponiveis/55/55134/tde-19062015-113225/
url http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19062015-113225/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090861995130880

Registros relacionados