Exportar registro bibliográfico

Abordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais: aplicação à língua eletrônica (2005)

  • Autores:
  • Autor USP: FERREIRA, EDNALDO JOSE - ICMC
  • Unidade: ICMC
  • Sigla do Departamento: SCE
  • Assuntos: ALGORITMOS GENÉTICOS; REDES NEURAIS; SISTEMAS DISTRIBUÍDOS
  • Idioma: Português
  • Resumo: As características irrelevantes, presentes em bases de dados de diversos domínios, deterioram a acurácia de predição de classificadores induzidos por algoritmos de aprendizado de máquina. As bases de dados geradas por uma língua eletrônica são exemplos típicos onde a demasiada quantidade de características irrelevantes e redundantes prejudicam a acurácia dos classificadores induzidos. Para lidar com este problema, duas abordagens podem ser utilizadas. A primeira é a utilização de métodos para seleção de subconjuntos de caracteristicas. A segunda abordagem é por meio de ensemble de classificadores. Um ensemble deve ser construído por classificadores diversos e acurados. Uma forma efetiva para construção de ensembles de classificadores é por meio de seleção de características. A seleção de características para ensemble tem objetivo adicional de encontrar subconjuntos de características que promovam acurácia e diversidade de predição nos classificadores do ensemble. Algoritmos genéticos são técnicas promissoras para seleção de características para ensemble. No entanto, a busca genética, assim com outras estratégias de busca geralmente visam somente a construção do ensemble, permitindo que todas as características (relevantes, irrelevantes e redundantes) sejam utilizadas. Este trabalho apresenta uma abordagem baseada em algoritmos genéticos para construção de ensembles de redes neurais artificiais com um conjunto reduzido das características totais. Paramelhorar a acurácia dos ensembles, duas abordagens diferenciadas para treinamento de redes neurais foram utilizadas. A primeira baseada na interrupção precoce do treinamento com o algritmo back-propation e a segunda baseada em otimização multi-objetivo. Os resultados obtidos comprovam a eficácia do algoritmo proposto para construção de ensembles de redes neurais acurados. Também foi constatada sua eficiência na redução das características totais, comprovando que ) o algoritmo proposto é capaz de construir um ensemble utilizando um conjunto reduzido de características
  • Imprenta:
  • Data da defesa: 10.08.2005
  • Acesso à fonte
    Como citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      FERREIRA, Ednaldo José. Abordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais: aplicação à língua eletrônica. 2005. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2005. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18052006-143603/. Acesso em: 06 maio 2024.
    • APA

      Ferreira, E. J. (2005). Abordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais: aplicação à língua eletrônica (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18052006-143603/
    • NLM

      Ferreira EJ. Abordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais: aplicação à língua eletrônica [Internet]. 2005 ;[citado 2024 maio 06 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18052006-143603/
    • Vancouver

      Ferreira EJ. Abordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais: aplicação à língua eletrônica [Internet]. 2005 ;[citado 2024 maio 06 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18052006-143603/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2024