Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Ernesto Luis Malta
Data de Publicação: 2007
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/103
Resumo: A inferência gramatical lida com o problema de aprender um classificador capaz de reconhecer determinada construção ou característica em um conjunto qualquer de exemplos. Neste trabalho, um modelo de inferência gramatical baseado em uma variante de Programação Genética é proposto. A representação de cada indivíduo é baseada em uma lista ligada de árvores representando o conjunto de produções da gramática. A atuação dos operadores genéticos é feita de forma heurística. Além disto, dois novos operadores genéticos são apresentados. O primeiro, denominado Aprendizagem Incremental, é capaz de reconhecer, com base em exemplos, quais regras de produção estão faltando. O segundo, denominado Expansão, é capaz de prover a diversidade necessária. Em experimentos efetuados, o modelo proposto inferiu com sucesso seis gramáticas regulares e duas gramáticas livres de contexto: parênteses e palíndromos de quatro letras, tanto o comum quanto o disjunto, sendo superior a abordagens recentes. Atualmente, modelos de inferência gramatical têm sido aplicados a problemas de reconhecimento de sequências biológicas de DNA. Neste trabalho, dois problemas de identificação de padrão foram abordados: reconhecimento de promotores e splice-junction. Para o primeiro, o modelo proposto obteve resultado superior a outras abordagens. Para o segundo, o modelo proposto apresentou bons resultados. O modelo foi estendido para o uso de gramáticas fuzzy, mais especificamente, as gramáticas fuzzy fracionárias. Para tal, um método de estimação adequado dos valores da função de pertinência das produções da gramática é proposto. Os resultados obtidos na identificação de splice-junctions comprovam a utilidade do modelo de inferência gramatical fuzzy proposto.
id UTFPR-12_9e89002034e1c03bfcc4f2b441a51e19
oai_identifier_str oai:repositorio.utfpr.edu.br:1/103
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling 2010-10-13T19:42:11Z2010-10-13T19:42:11Z200713/10/2011RODRIGUES, Ernesto Luis Malta. Inferência de gramáticas formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática. 2007. 114 f. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) – Universidade Tecnológica Federal do Paraná, Curitiba, 2007.http://repositorio.utfpr.edu.br/jspui/handle/1/103A inferência gramatical lida com o problema de aprender um classificador capaz de reconhecer determinada construção ou característica em um conjunto qualquer de exemplos. Neste trabalho, um modelo de inferência gramatical baseado em uma variante de Programação Genética é proposto. A representação de cada indivíduo é baseada em uma lista ligada de árvores representando o conjunto de produções da gramática. A atuação dos operadores genéticos é feita de forma heurística. Além disto, dois novos operadores genéticos são apresentados. O primeiro, denominado Aprendizagem Incremental, é capaz de reconhecer, com base em exemplos, quais regras de produção estão faltando. O segundo, denominado Expansão, é capaz de prover a diversidade necessária. Em experimentos efetuados, o modelo proposto inferiu com sucesso seis gramáticas regulares e duas gramáticas livres de contexto: parênteses e palíndromos de quatro letras, tanto o comum quanto o disjunto, sendo superior a abordagens recentes. Atualmente, modelos de inferência gramatical têm sido aplicados a problemas de reconhecimento de sequências biológicas de DNA. Neste trabalho, dois problemas de identificação de padrão foram abordados: reconhecimento de promotores e splice-junction. Para o primeiro, o modelo proposto obteve resultado superior a outras abordagens. Para o segundo, o modelo proposto apresentou bons resultados. O modelo foi estendido para o uso de gramáticas fuzzy, mais especificamente, as gramáticas fuzzy fracionárias. Para tal, um método de estimação adequado dos valores da função de pertinência das produções da gramática é proposto. Os resultados obtidos na identificação de splice-junctions comprovam a utilidade do modelo de inferência gramatical fuzzy proposto.Grammatical inference deals with the task of learning a classifier that can recognize a particular pattern in a set of examples. In this work, a new grammatical inference model based on a variant of Genetic Programming is proposed. In this approach, an individual is a list of structured trees representing their productions. Ordinary genetic operators are modified so as to bias the search and two new operators are proposed. The first one, called Incremental Learning, is able to recognize, based on examples, which productions are missing. The second, called Expansion is able to provide the diversity necessary to achieve convergence. In a suite of experiments performed, the proposed model successfully inferred six regular grammars and two context-free grammars: parentheses and palindromes with four letters, including the disjunct one. Results achieved were better than those obtained by recently published algorithms. Nowadays, grammatical inference has been applied to problems of recognition of biological sequences of DNA. In this work, two problems of this class were addressed: recognition of promoters and splice junction detection. In the former, the proposed model obtained results better than other published approaches. In the latter, the proposed model showed promising results. The model was extended to support fuzzy grammars, namely the fuzzy fractional grammars. Furthermore, an appropriate method of estimation of the values of the production's membership function is also proposed. Results obtained in the identification of splice junctions shows the utility of the fuzzy inference model proposed.842 KBporUniversidade Tecnológica Federal do ParanáCuritibaPrograma de Pós-Graduação em Engenharia Elétrica e Informática IndustrialBioinformáticaLinguagens formaisInferência (Lógica)Programação genética (Computadores)Computação evolutivaPercepção de padrõesBioinformaticsFormal languagesInferenceEvolutionary programing (Computer science)Evolutionary computationPattern perceptionInferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformáticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisCuritibaDoutoradoLopes, Heitor SilvérioRodrigues, Ernesto Luis Maltainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRTHUMBNAILCT_CPGEI_D_Rodrigues, Ernesto Luis Malta_2007.pdf.jpgCT_CPGEI_D_Rodrigues, Ernesto Luis Malta_2007.pdf.jpgGenerated Thumbnailimage/jpeg1561http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/6/CT_CPGEI_D_Rodrigues%2c%20Ernesto%20Luis%20Malta_2007.pdf.jpgc9eacc4dfaa52b564d7e7eea4f3e8728MD56ORIGINALCT_CPGEI_D_Rodrigues, Ernesto Luis Malta_2007.pdfCT_CPGEI_D_Rodrigues, Ernesto Luis Malta_2007.pdfapplication/pdf862337http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/1/CT_CPGEI_D_Rodrigues%2c%20Ernesto%20Luis%20Malta_2007.pdf8afbd25e6330d8704dce2c89f08ccd32MD51CC-LICENSElicense_urllicense_urltext/plain; charset=utf-846http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/2/license_url0d2fb706760bf56ddf1358a832652ccfMD52license_textlicense_texttext/html; charset=utf-821353http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/3/license_text160a80f95a9d7e6f776cb6c7bea041b1MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-820634http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/4/license_rdf0eef9b128240436dacde490572fa4f25MD54TEXTCT_CPGEI_D_Rodrigues, Ernesto Luis Malta_2007.pdf.txtCT_CPGEI_D_Rodrigues, Ernesto Luis Malta_2007.pdf.txtExtracted texttext/plain208382http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/5/CT_CPGEI_D_Rodrigues%2c%20Ernesto%20Luis%20Malta_2007.pdf.txt17a40c42fc2f0c33cb950e4951977cc7MD551/1032020-06-03 13:57:20.426oai:repositorio.utfpr.edu.br:1/103Repositório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2020-06-03T16:57:20Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.pt_BR.fl_str_mv Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
title Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
spellingShingle Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
Rodrigues, Ernesto Luis Malta
Bioinformática
Linguagens formais
Inferência (Lógica)
Programação genética (Computadores)
Computação evolutiva
Percepção de padrões
Bioinformatics
Formal languages
Inference
Evolutionary programing (Computer science)
Evolutionary computation
Pattern perception
title_short Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
title_full Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
title_fullStr Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
title_full_unstemmed Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
title_sort Inferência de gramática formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática
author Rodrigues, Ernesto Luis Malta
author_facet Rodrigues, Ernesto Luis Malta
author_role author
dc.contributor.advisor1.fl_str_mv Lopes, Heitor Silvério
dc.contributor.author.fl_str_mv Rodrigues, Ernesto Luis Malta
contributor_str_mv Lopes, Heitor Silvério
dc.subject.por.fl_str_mv Bioinformática
Linguagens formais
Inferência (Lógica)
Programação genética (Computadores)
Computação evolutiva
Percepção de padrões
Bioinformatics
Formal languages
Inference
Evolutionary programing (Computer science)
Evolutionary computation
Pattern perception
topic Bioinformática
Linguagens formais
Inferência (Lógica)
Programação genética (Computadores)
Computação evolutiva
Percepção de padrões
Bioinformatics
Formal languages
Inference
Evolutionary programing (Computer science)
Evolutionary computation
Pattern perception
description A inferência gramatical lida com o problema de aprender um classificador capaz de reconhecer determinada construção ou característica em um conjunto qualquer de exemplos. Neste trabalho, um modelo de inferência gramatical baseado em uma variante de Programação Genética é proposto. A representação de cada indivíduo é baseada em uma lista ligada de árvores representando o conjunto de produções da gramática. A atuação dos operadores genéticos é feita de forma heurística. Além disto, dois novos operadores genéticos são apresentados. O primeiro, denominado Aprendizagem Incremental, é capaz de reconhecer, com base em exemplos, quais regras de produção estão faltando. O segundo, denominado Expansão, é capaz de prover a diversidade necessária. Em experimentos efetuados, o modelo proposto inferiu com sucesso seis gramáticas regulares e duas gramáticas livres de contexto: parênteses e palíndromos de quatro letras, tanto o comum quanto o disjunto, sendo superior a abordagens recentes. Atualmente, modelos de inferência gramatical têm sido aplicados a problemas de reconhecimento de sequências biológicas de DNA. Neste trabalho, dois problemas de identificação de padrão foram abordados: reconhecimento de promotores e splice-junction. Para o primeiro, o modelo proposto obteve resultado superior a outras abordagens. Para o segundo, o modelo proposto apresentou bons resultados. O modelo foi estendido para o uso de gramáticas fuzzy, mais especificamente, as gramáticas fuzzy fracionárias. Para tal, um método de estimação adequado dos valores da função de pertinência das produções da gramática é proposto. Os resultados obtidos na identificação de splice-junctions comprovam a utilidade do modelo de inferência gramatical fuzzy proposto.
publishDate 2007
dc.date.submitted.pt_BR.fl_str_mv 13/10/2011
dc.date.issued.fl_str_mv 2007
dc.date.accessioned.fl_str_mv 2010-10-13T19:42:11Z
dc.date.available.fl_str_mv 2010-10-13T19:42:11Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv RODRIGUES, Ernesto Luis Malta. Inferência de gramáticas formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática. 2007. 114 f. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) – Universidade Tecnológica Federal do Paraná, Curitiba, 2007.
dc.identifier.uri.fl_str_mv http://repositorio.utfpr.edu.br/jspui/handle/1/103
identifier_str_mv RODRIGUES, Ernesto Luis Malta. Inferência de gramáticas formais livres de contexto utilizando computação evolucionária com aplicação em bioinformática. 2007. 114 f. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) – Universidade Tecnológica Federal do Paraná, Curitiba, 2007.
url http://repositorio.utfpr.edu.br/jspui/handle/1/103
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 842 KB
dc.publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Curitiba
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Curitiba
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
bitstream.url.fl_str_mv http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/6/CT_CPGEI_D_Rodrigues%2c%20Ernesto%20Luis%20Malta_2007.pdf.jpg
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/1/CT_CPGEI_D_Rodrigues%2c%20Ernesto%20Luis%20Malta_2007.pdf
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/2/license_url
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/3/license_text
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/4/license_rdf
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/103/5/CT_CPGEI_D_Rodrigues%2c%20Ernesto%20Luis%20Malta_2007.pdf.txt
bitstream.checksum.fl_str_mv c9eacc4dfaa52b564d7e7eea4f3e8728
8afbd25e6330d8704dce2c89f08ccd32
0d2fb706760bf56ddf1358a832652ccf
160a80f95a9d7e6f776cb6c7bea041b1
0eef9b128240436dacde490572fa4f25
17a40c42fc2f0c33cb950e4951977cc7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv
_version_ 1805923164419522560