Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física
| Ano de defesa: | 2023 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística Brasil UERJ Programa de Pós-Graduação em Ciências Computacionais |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://www.bdtd.uerj.br/handle/1/23370 |
Resumo: | Este trabalho se concentra na aplicação da meta-heurística Biased Random-Key Genetic Programming (BRKGP) no contexto do Problema de Regressão Simbólica. O objetivo é aproximar a forma algébrica de uma função desconhecida a partir de entradas e saídas numéricas. O algoritmo BRKGP, baseado em programação genética, desempenha um papel crucial nesse processo, otimizando a geração de expressões simbólicas. O estudo apresenta resultados preliminares e compara a precisão com diferentes tamanhos de amostras, derivadas de problemas de física. A pesquisa procura explorar a aplicação da BRKGP na regressão simbólica, buscando contribuir para a validação de funções físicas e promover avanços. Destaca-se a importância de aprimoramentos nas técnicas computacionais, evidenciando desafios como indeterminações e números extremos. Resultados notáveis indicam aplicações abrangentes em diversos campos. O estudo conclui ressaltando a eficiência da abordagem inovadora e apontando desafios a serem enfrentados em estudos futuros, incluindo o refinamento de estratégias de tratamento de dados e a eliminação de indeterminações. |
| id |
UERJ_099a8e10eaec27d5e0680ae0cbcd343d |
|---|---|
| oai_identifier_str |
oai:www.bdtd.uerj.br:1/23370 |
| network_acronym_str |
UERJ |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
| repository_id_str |
|
| spelling |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na FísicaRegression Models Through the Biased Random-Key Genetic Programming for Physics ApplicationsMeta-heuristicsOptimizationSymbolic RegressionMeta-heurísticasOtimizaçãoBRKGPProgramação heurísticaOtimização matemáticaAlgoritmos de computadorCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOEste trabalho se concentra na aplicação da meta-heurística Biased Random-Key Genetic Programming (BRKGP) no contexto do Problema de Regressão Simbólica. O objetivo é aproximar a forma algébrica de uma função desconhecida a partir de entradas e saídas numéricas. O algoritmo BRKGP, baseado em programação genética, desempenha um papel crucial nesse processo, otimizando a geração de expressões simbólicas. O estudo apresenta resultados preliminares e compara a precisão com diferentes tamanhos de amostras, derivadas de problemas de física. A pesquisa procura explorar a aplicação da BRKGP na regressão simbólica, buscando contribuir para a validação de funções físicas e promover avanços. Destaca-se a importância de aprimoramentos nas técnicas computacionais, evidenciando desafios como indeterminações e números extremos. Resultados notáveis indicam aplicações abrangentes em diversos campos. O estudo conclui ressaltando a eficiência da abordagem inovadora e apontando desafios a serem enfrentados em estudos futuros, incluindo o refinamento de estratégias de tratamento de dados e a eliminação de indeterminações.This work focuses on the application of the meta-heuristic Biased Random-Key Genetic Programming (BRKGP) in the context of the Symbolic Regression Problem. The goal is to approximate the algebraic form of an unknown equation based on numerical inputs and outputs. The BRKGP algorithm, based on genetic programming, plays a crucial role in this process by optimizing the generation of symbolic expressions. The study presents preliminary results and compares accuracy with different sample sizes derived from physics problems. The research aims to explore the application of BRKGP in symbolic regression, seeking to contribute to the validation of physical equations and promote advancements. The importance of improvements in computational techniques is emphasized, highlighting challenges such as indeterminacies and extreme numbers. Notable results indicate comprehensive applications in various fields. The study concludes by emphasizing the efficiency of the innovative approach and pointing out challenges to be addressed in future studies, including the refinement of data treatment strategies and the elimination of indeterminacies.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESUniversidade do Estado do Rio de JaneiroCentro de Tecnologia e Ciências::Instituto de Matemática e EstatísticaBrasilUERJPrograma de Pós-Graduação em Ciências ComputacionaisCoelho, Igor Machadohttps://orcid.org/0000-0001-6373-4907http://lattes.cnpq.br/5298061910591710Faria, Cristiane Oliveira dehttps://orcid.org/0000-0002-0402-7185http://lattes.cnpq.br/1183201737914250Semaan, Gustavo Silvahttps://orcid.org/0000-0003-2873-2628http://lattes.cnpq.br/4519888592231795Oliveira, Fabiano de Souzahttps://orcid.org/0000-0002-8498-2472http://lattes.cnpq.br/7554024807062103Sousa, Filipe Pessôa2025-01-31T17:16:43Z2023-12-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSOUSA, Filipe Pessôa. Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física. 2023. 119 f. Dissertação (Mestrado em Ciências Computacionais) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2023.http://www.bdtd.uerj.br/handle/1/23370porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJ2025-02-25T15:15:34Zoai:www.bdtd.uerj.br:1/23370Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032025-02-25T15:15:34Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false |
| dc.title.none.fl_str_mv |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física Regression Models Through the Biased Random-Key Genetic Programming for Physics Applications |
| title |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física |
| spellingShingle |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física Sousa, Filipe Pessôa Meta-heuristics Optimization Symbolic Regression Meta-heurísticas Otimização BRKGP Programação heurística Otimização matemática Algoritmos de computador CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| title_short |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física |
| title_full |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física |
| title_fullStr |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física |
| title_full_unstemmed |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física |
| title_sort |
Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física |
| author |
Sousa, Filipe Pessôa |
| author_facet |
Sousa, Filipe Pessôa |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Coelho, Igor Machado https://orcid.org/0000-0001-6373-4907 http://lattes.cnpq.br/5298061910591710 Faria, Cristiane Oliveira de https://orcid.org/0000-0002-0402-7185 http://lattes.cnpq.br/1183201737914250 Semaan, Gustavo Silva https://orcid.org/0000-0003-2873-2628 http://lattes.cnpq.br/4519888592231795 Oliveira, Fabiano de Souza https://orcid.org/0000-0002-8498-2472 http://lattes.cnpq.br/7554024807062103 |
| dc.contributor.author.fl_str_mv |
Sousa, Filipe Pessôa |
| dc.subject.por.fl_str_mv |
Meta-heuristics Optimization Symbolic Regression Meta-heurísticas Otimização BRKGP Programação heurística Otimização matemática Algoritmos de computador CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| topic |
Meta-heuristics Optimization Symbolic Regression Meta-heurísticas Otimização BRKGP Programação heurística Otimização matemática Algoritmos de computador CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| description |
Este trabalho se concentra na aplicação da meta-heurística Biased Random-Key Genetic Programming (BRKGP) no contexto do Problema de Regressão Simbólica. O objetivo é aproximar a forma algébrica de uma função desconhecida a partir de entradas e saídas numéricas. O algoritmo BRKGP, baseado em programação genética, desempenha um papel crucial nesse processo, otimizando a geração de expressões simbólicas. O estudo apresenta resultados preliminares e compara a precisão com diferentes tamanhos de amostras, derivadas de problemas de física. A pesquisa procura explorar a aplicação da BRKGP na regressão simbólica, buscando contribuir para a validação de funções físicas e promover avanços. Destaca-se a importância de aprimoramentos nas técnicas computacionais, evidenciando desafios como indeterminações e números extremos. Resultados notáveis indicam aplicações abrangentes em diversos campos. O estudo conclui ressaltando a eficiência da abordagem inovadora e apontando desafios a serem enfrentados em estudos futuros, incluindo o refinamento de estratégias de tratamento de dados e a eliminação de indeterminações. |
| publishDate |
2023 |
| dc.date.none.fl_str_mv |
2023-12-21 2025-01-31T17:16:43Z |
| 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 |
SOUSA, Filipe Pessôa. Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física. 2023. 119 f. Dissertação (Mestrado em Ciências Computacionais) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2023. http://www.bdtd.uerj.br/handle/1/23370 |
| identifier_str_mv |
SOUSA, Filipe Pessôa. Modelos de Regressão Simbólica Através de Biased Random-Key Genetic Programming em Aplicações na Física. 2023. 119 f. Dissertação (Mestrado em Ciências Computacionais) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2023. |
| url |
http://www.bdtd.uerj.br/handle/1/23370 |
| 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 do Estado do Rio de Janeiro Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística Brasil UERJ Programa de Pós-Graduação em Ciências Computacionais |
| publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística Brasil UERJ Programa de Pós-Graduação em Ciências Computacionais |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UERJ instname:Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
| instname_str |
Universidade do Estado do Rio de Janeiro (UERJ) |
| instacron_str |
UERJ |
| institution |
UERJ |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
| collection |
Biblioteca Digital de Teses e Dissertações da UERJ |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ) |
| repository.mail.fl_str_mv |
bdtd.suporte@uerj.br |
| _version_ |
1829133749016592384 |