Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora

Detalhes bibliográficos
Ano de defesa: 2005
Autor(a) principal: Frota, Rewbenio Araújo
Orientador(a): Barreto, Guilherme de Alencar
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Detecção de novidades
Modelo estatístico
Mineração de dados
Detecção de outliers
Link de acesso: http://www.repositorio.ufc.br/handle/riufc/53309
Resumo: FROTA, Rewbenio Araújo. Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora. 2005. 119 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2005.
id UFC-7_8d4c7d52adfbd216e16323aa28053176
oai_identifier_str oai:repositorio.ufc.br:riufc/53309
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Frota, Rewbenio AraújoMota, João César MouraBarreto, Guilherme de Alencar2020-08-04T15:57:40Z2020-08-04T15:57:40Z2005FROTA, Rewbenio Araújo. Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora. 2005. 119 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2005.http://www.repositorio.ufc.br/handle/riufc/53309FROTA, Rewbenio Araújo. Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora. 2005. 119 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2005.Novelty detection is a pattern recognition task whose goal is to report the occurrence of novel events, or new observations, from a previously computed statistical model of the data. Being the focus of an increasing attention in machine learning and data mining elds, a wide range of methods for novelty detection are available in literature, among them it is possible to cite the linear and nonlinear statistical discriminants, recursive iden- tication of systems, expert systems, articial neural networks, fuzzy logic, evolutionary computing, among others. However, few works evaluating the performance of the meth- ods just mentioned have been published. This fact can be, at least, partially explained by the inherent complexity of comparing dierent modeling methods. Performance com- parisons are important to evaluate, for example, which technique works best on certain types of data or which one is less sensitive (more robust) to outliers present in the data used to build the model. Thus, the work developed in this dissertation attempts to con- tribute to the comparative analysis of novelty detection methods, proposing a general methodology to compare the performance of neural-based novelty detection systems. The rationale underlying the proposed methodology consists in using the statistical models for the data, obtained from various articial neural networks, to compute decision thresholds for novelty detection tests. Such thresholds are based on the the concept of nonparametric bootstrap condence intervals. Finally, regarding the new methodology, it is worth noting that it allows both supervised and unsupervised neural algorithms to be compared under a common framework. Such a generality is illustrated through two distinct applications, namely, anomaly detection in cellular systems and cancer detection in mammographies.Detecção de Novidades é uma tarefa de reconhecimento de padrões cujo objetivo está em anunciar a ocorrência de novos eventos, ou novas observações, a partir de um modelo estatístico pré-estabelecido para os dados observados. Por ser uma área de crescente interesse para os campos de aprendizado de máquinas e mineração de dados, uma vasta gama de métodos está disponível na literatura, dentre os quais podem ser citados os discriminantes estatísticos lineares e não-lineares, identicação recursiva de sistemas, sistemas especialistas, redes neurais articiais, lógica nebulosa, computação evolucionária, dentre inúmeros outros. Contudo, poucos estudos analisando conjuntamente o desempenho dos vários métodos ora mencionados vem sendo realizados, fato este que pode ser explicado, pelo menos em parte, pela grande diculdade de se comparar os diferentes paradigmas de modelagem existentes. Comparações de desempenho são importantes para avaliar, por exemplo, qual técnica funciona melhor em determinado tipo de dados, ou qual é menos sensível (mais robusta) à presença de observações discrepantes (outliers) nos dados modelados. Isto posto, nesta dissertação busca-se dar algumas contribuições à análise comparativa de técnicas de detecção de novidades, propondo uma metodologia geral para comparar o desempenho de sistemas de detecção de novidades usando redes neurais artificiais. A idéia subjacente à metodologia proposta consiste em utilizar os modelos estatísticos dos dados, obtidos pelos vários algoritmos de redes neurais estudados, para calcular limiares de decisão para os testes de detecção de novidades. Tais limiares são baseados no conceito de intervalo de conança bootstrap não-paramétrico. Porém, uma característica importante desta metodologia é que ela permite comparar sob um mesmo arcabouço teórico tanto algoritmos supervisionados, quanto não-supervisionados. Tal generalidade é ilustrada através de duas aplicações, a saber, detecção de anomalias em sistemas de comunicação sem o de terceira geração e detecção de tumores em mamogramas.Detecção de novidadesModelo estatísticoMineração de dadosDetecção de outliersAvaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadorainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccessORIGINAL2005_dis_rafrota.pdf2005_dis_rafrota.pdfapplication/pdf1232677http://repositorio.ufc.br/bitstream/riufc/53309/1/2005_dis_rafrota.pdfea4120a604a8a8cfbbcf3efda0137192MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81978http://repositorio.ufc.br/bitstream/riufc/53309/2/license.txt4247602db8c5bb0eb5b2dc93ccdf9494MD52riufc/533092022-05-05 14:42:34.18oai:repositorio.ufc.br:riufc/53309TElDRU7Dh0EgREUgRElTVFJJQlVJw4fDg08gTsODTy1FWENMVVNJVkENCg0KQW8gYWNlaXRhciBlc3RhIGxpY2Vuw6dhLCBvIGF1dG9yIChvdSBkZXRlbnRvciBkb3MgZGlyZWl0b3MgZGUgYXV0b3JpYSkgZG8gZG9jdW1lbnRvIHF1ZSBlc3TDoSBzZW5kbyBkZXBvc2l0YWRvOg0KDQoxLiBEZWNsYXJhIHF1ZTogDQphKSBvIGRvY3VtZW50byDDqSBzZXUgdHJhYmFsaG8gb3JpZ2luYWw7DQpiKSBkZXTDqW0gbyBkaXJlaXRvIGRlIGNvbmNlZGVyIG9zIHByaXZpbMOpZ2lvcyBtZW5jaW9uYWRvcyBuZXN0YSBsaWNlbsOnYTsNCmMpIG8gZGVww7NzaXRvIGRvIGRvY3VtZW50byBuw6NvIGluZnJpbmdlLCBwZWxvIG1lbm9zIHF1ZSBzZWphIGRvIHNldSBjb25oZWNpbWVudG8sIG9zIGRpcmVpdG9zIGRlIHF1YWxxdWVyIG91dHJhIHBlc3NvYSBvdSBlbnRpZGFkZTsNCmQpIGNhc28gbyBkb2N1bWVudG8gY29udGVuaGEgbWF0ZXJpYWwgc3VqZWl0byBhIGRpcmVpdG9zIGF1dG9yaWFpcyBkZSB0ZXJjZWlyb3MsIHF1ZSBvYnRldmUgYXV0b3JpemHDp8OjbyBkbyBhdXRvciBvdSBkZXRlbnRvciBwYXJhIGNvbmNlZGVyIGFvIFJlcG9zaXTDs3JpbyBJbnN0aXR1Y2lvbmFsIGRhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRvIENlYXLDoSBvcyBwcml2aWzDqWdpb3MgcmVxdWVyaWRvcyBwb3IgZXN0YSBsaWNlbsOnYTsNCmUpIG8gbWF0ZXJpYWwgc3VqZWl0byBhIGRpcmVpdG9zIGF1dG9yaWFpcyBkZSB0ZXJjZWlyb3MgZXN0w6EgY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8gZSB2aW5jdWxhZG8gYW8ocykgbm9tZShzKSBkZSBzZXUocykgcmVzcGVjdGl2byhzKSBkZXRlbnRvcihlcyksIHNlamEgbm8gdGV4dG8gb3UgZW0gb3V0cmEgcGFydGUgZG8gY29udGXDumRvOyBlDQpmKSBjYXNvIG8gZG9jdW1lbnRvIHNlamEgcmVzdWx0YWRvIGRlIHRyYWJhbGhvIHBhdHJvY2luYWRvIG91IGFwb2lhZG8gcG9yIG91dHJhIGluc3RpdHVpw6fDo28gb3Ugw7NyZ8OjbyBxdWUgbsOjbyBhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRvIENlYXLDoSwgcXVlIHNhdGlzZmV6IHF1YWxxdWVyIGRpcmVpdG8gZGUgcmV2aXPDo28gb3Ugb3V0cm9zIGNvbXByb21pc3NvcyByZXF1ZXJpZG9zIHBlbG9zIHJlc3BlY3Rpdm9zIGNvbnRyYXRvcyBvdSBhY29yZG9zLg0KDQoyLiBPdXRvcmdhIGFvIFJlcG9zaXTDs3JpbyBJbnN0aXR1Y2lvbmFsIGRhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRvIENlYXLDoSBvIGRpcmVpdG8gbsOjby1leGNsdXNpdm8gZGU6DQphKSByZXByb2R1emlyLCBhbHRlcmFyIG8gZm9ybWF0bywgZSBvdSBkaXN0cmlidWlyIG8gZG9jdW1lbnRvIGFxdWkgZGVwb3NpdGFkbzsNCmIpIGVtIG1laW8gaW1wcmVzc28gb3UgZWxldHLDtG5pY28sIG91IGVtIHF1YWxxdWVyIG3DrWRpYSwgaW5jbHVzaXZlIMOhdWRpbyBlIHbDrWRlbyBwYXJhIGZpbnMgZGUgZGl2dWxnYcOnw6NvOw0KYykgY29udmVydGVyIG8gZG9jdW1lbnRvIGRlcG9zaXRhZG8sIHNlbSBhbHRlcmFyIHNldSBjb250ZcO6ZG8sIHBhcmEgcXVhbHF1ZXIgbcOtZGlhIG91IGZvcm1hdG8sIHBhcmEgZmlucyBkZSBwcmVzZXJ2YcOnw6NvIGRlIHNldSBjb250ZcO6ZG87IGUNCmQpIG1hbnRlciBtYWlzIHVtYSBjw7NwaWEgZGVzc2UgZm9ybWF0byBwYXJhIGZpbnMgZGUgc2VndXJhbsOnYSwgYmFja3VwIGUgcHJlc2VydmHDp8OjbyBlbSBmb3JtYXRvIGRpZ2l0YWwuDQoNCk8gUmVwb3NpdMOzcmlvIEluc3RpdHVjaW9uYWwgZGEgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZG8gQ2VhcsOhLCBpZGVudGlmaWNhcsOhIGNsYXJhbWVudGUgc2V1IG5vbWUgY29tbyBhdXRvciBvdSBwcm9wcmlldMOhcmlvIGRlc3NlIGRvY3VtZW50byBlIG7Do28gZmFyw6EgbmVuaHVtIGFsdGVyYcOnw6NvLCBhbMOpbSBkbyBwZXJtaXRvIHBvciBlc3RhIGxpY2Vuw6dhLg0KDQpFbSBjYXNvIGRlIGTDunZpZGFzIG5vc3NvIGNvbnRhdG8gw6k6IHJlcG9zaXTDs3Jpb0B1ZmMuYnINCg==Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2022-05-05T17:42:34Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.pt_BR.fl_str_mv Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
title Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
spellingShingle Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
Frota, Rewbenio Araújo
Detecção de novidades
Modelo estatístico
Mineração de dados
Detecção de outliers
title_short Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
title_full Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
title_fullStr Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
title_full_unstemmed Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
title_sort Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora
author Frota, Rewbenio Araújo
author_facet Frota, Rewbenio Araújo
author_role author
dc.contributor.co-advisor.none.fl_str_mv Mota, João César Moura
dc.contributor.author.fl_str_mv Frota, Rewbenio Araújo
dc.contributor.advisor1.fl_str_mv Barreto, Guilherme de Alencar
contributor_str_mv Barreto, Guilherme de Alencar
dc.subject.por.fl_str_mv Detecção de novidades
Modelo estatístico
Mineração de dados
Detecção de outliers
topic Detecção de novidades
Modelo estatístico
Mineração de dados
Detecção de outliers
description FROTA, Rewbenio Araújo. Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora. 2005. 119 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2005.
publishDate 2005
dc.date.issued.fl_str_mv 2005
dc.date.accessioned.fl_str_mv 2020-08-04T15:57:40Z
dc.date.available.fl_str_mv 2020-08-04T15:57:40Z
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 FROTA, Rewbenio Araújo. Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora. 2005. 119 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2005.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufc.br/handle/riufc/53309
identifier_str_mv FROTA, Rewbenio Araújo. Avaliação de algoritmos de redes neurais artificiais em tarefas de detecção de novidades: uma abordagem unificadora. 2005. 119 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2005.
url http://www.repositorio.ufc.br/handle/riufc/53309
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.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
bitstream.url.fl_str_mv http://repositorio.ufc.br/bitstream/riufc/53309/1/2005_dis_rafrota.pdf
http://repositorio.ufc.br/bitstream/riufc/53309/2/license.txt
bitstream.checksum.fl_str_mv ea4120a604a8a8cfbbcf3efda0137192
4247602db8c5bb0eb5b2dc93ccdf9494
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1847793099069194240

Registros relacionados