Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores

Detalhes bibliográficos
Ano de defesa: 2008
Autor(a) principal: Santos, Araken de Medeiros
Orientador(a): Canuto, Anne Magaly de Paula
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Rio Grande do Norte
Programa de Pós-Graduação: Programa de Pós-Graduação em Sistemas e Computação
Departamento: Ciência da Computação
País: BR
Palavras-chave em Português:
Fuzzy Artmap, Artmap-IC, RePART, Comitês de Classificadores, Redes Neurais Artificiais
Palavras-chave em Inglês:
Fuzzy Artmap
Artmap-IC
RePART
Committees of classifiers
Artificial neural networks
Área do conhecimento CNPq:
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/17982
Resumo: RePART (Reward/Punishment ART) is a neural model that constitutes a variation of the Fuzzy Artmap model. This network was proposed in order to minimize the inherent problems in the Artmap-based model, such as the proliferation of categories and misclassification. RePART makes use of additional mechanisms, such as an instance counting parameter, a reward/punishment process and a variable vigilance parameter. The instance counting parameter, for instance, aims to minimize the misclassification problem, which is a consequence of the sensitivity to the noises, frequently presents in Artmap-based models. On the other hand, the use of the variable vigilance parameter tries to smoouth out the category proliferation problem, which is inherent of Artmap-based models, decreasing the complexity of the net. RePART was originally proposed in order to minimize the aforementioned problems and it was shown to have better performance (higer accuracy and lower complexity) than Artmap-based models. This work proposes an investigation of the performance of the RePART model in classifier ensembles. Different sizes, learning strategies and structures will be used in this investigation. As a result of this investigation, it is aimed to define the main advantages and drawbacks of this model, when used as a component in classifier ensembles. This can provide a broader foundation for the use of RePART in other pattern recognition applications
id UFRN_1b8cc0c4b2fff6ad63e7a59fc37372d3
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/17982
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Santos, Araken de Medeiroshttp://lattes.cnpq.br/8059198436766378http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8Dória Neto, Adrião Duartehttp://lattes.cnpq.br/1987295209521433Carvalho, André Carlos Ponce de Leon Ferreira dehttp://lattes.cnpq.br/9674541381385819Canuto, Anne Magaly de Paula2014-12-17T15:47:47Z2014-12-122014-12-17T15:47:47Z2008-02-01SANTOS, Araken de Medeiros. Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores. 2008. 169 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2008.https://repositorio.ufrn.br/jspui/handle/123456789/17982RePART (Reward/Punishment ART) is a neural model that constitutes a variation of the Fuzzy Artmap model. This network was proposed in order to minimize the inherent problems in the Artmap-based model, such as the proliferation of categories and misclassification. RePART makes use of additional mechanisms, such as an instance counting parameter, a reward/punishment process and a variable vigilance parameter. The instance counting parameter, for instance, aims to minimize the misclassification problem, which is a consequence of the sensitivity to the noises, frequently presents in Artmap-based models. On the other hand, the use of the variable vigilance parameter tries to smoouth out the category proliferation problem, which is inherent of Artmap-based models, decreasing the complexity of the net. RePART was originally proposed in order to minimize the aforementioned problems and it was shown to have better performance (higer accuracy and lower complexity) than Artmap-based models. This work proposes an investigation of the performance of the RePART model in classifier ensembles. Different sizes, learning strategies and structures will be used in this investigation. As a result of this investigation, it is aimed to define the main advantages and drawbacks of this model, when used as a component in classifier ensembles. This can provide a broader foundation for the use of RePART in other pattern recognition applicationsO RePART (Reward/Punishiment ART), modelo neural que se constitui numa variação do modelo Fuzzy Artmap, foi proposto objetivando minimizar problemas inerentes aos modelos da classe Artmap, tais como: proliferação de categorias e má classificação. Por essa razão, o RePART faz uso de mecanismos adicionais, como: um parâmetro contador de instância, um processo de recompensa/punição e um parâmetro de vigilância variável. O parâmetro contador de instância busca minimizar o problema de má classificação, resultante da sensibilidade à ruídos, freqüentemente presente nos modelos da classe Artmap. O uso da vigilância variável tem como objetivo minimizar o problema de proliferação de categorias, diminuindo a complexidade da rede, quando utilizado em aplicações com um grande número de padrões de treinamento. A proposta do RePART visou a minimização desses problemas e foi mostrado que o RePART obteve desempenho superior que alguns modelos da classe Artmap. Neste trabalho é proposta a realização de uma investigação do desempenho do modelo RePART em comitês de classificadores. Nesta investigação será realizada uma análise com comitês utilizando diferentes tamanhos, estratégias de aprendizados e estruturas. Os resultados obtidos com esta investigação servirão como meio de descoberta das vantagens e desvantagens de cada um dos modelos abordados em comitês. Com isso, poderá ser dado um embasamento ainda mais amplo à utilização do RePART em outras aplicações de reconhecimento de padrõesapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Sistemas e ComputaçãoUFRNBRCiência da ComputaçãoFuzzy Artmap, Artmap-IC, RePART, Comitês de Classificadores, Redes Neurais ArtificiaisFuzzy ArtmapArtmap-ICRePARTCommittees of classifiersArtificial neural networksCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOUma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadoresinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALArakenMS_DISSERT.pdfArakenMS_DISSERT.pdfapplication/pdf6175153https://repositorio.ufrn.br/bitstream/123456789/17982/1/ArakenMS_DISSERT.pdfc2fe2dd22dec4a5b24b3b16e799de691MD51THUMBNAILArakenMS_DISSERT.pdf.jpgArakenMS_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2559https://repositorio.ufrn.br/bitstream/123456789/17982/6/ArakenMS_DISSERT.pdf.jpg4ebc95ff62f728ce8c1d6aa85a6b6ccbMD56TEXTArakenMS_DISSERT.pdf.txtArakenMS_DISSERT.pdf.txtExtracted texttext/plain313966https://repositorio.ufrn.br/bitstream/123456789/17982/5/ArakenMS_DISSERT.pdf.txt72b651e7ba91cd1fb21eff28661f17e7MD55123456789/179822017-11-04 09:56:58.852oai:https://repositorio.ufrn.br:123456789/17982Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-04T12:56:58Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.por.fl_str_mv Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
title Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
spellingShingle Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
Santos, Araken de Medeiros
Fuzzy Artmap, Artmap-IC, RePART, Comitês de Classificadores, Redes Neurais Artificiais
Fuzzy Artmap
Artmap-IC
RePART
Committees of classifiers
Artificial neural networks
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
title_short Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
title_full Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
title_fullStr Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
title_full_unstemmed Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
title_sort Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
author Santos, Araken de Medeiros
author_facet Santos, Araken de Medeiros
author_role author
dc.contributor.authorID.por.fl_str_mv
dc.contributor.authorLattes.por.fl_str_mv http://lattes.cnpq.br/8059198436766378
dc.contributor.advisorID.por.fl_str_mv
dc.contributor.advisorLattes.por.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8
dc.contributor.referees1.pt_BR.fl_str_mv Dória Neto, Adrião Duarte
dc.contributor.referees1ID.por.fl_str_mv
dc.contributor.referees1Lattes.por.fl_str_mv http://lattes.cnpq.br/1987295209521433
dc.contributor.referees2.pt_BR.fl_str_mv Carvalho, André Carlos Ponce de Leon Ferreira de
dc.contributor.referees2ID.por.fl_str_mv
dc.contributor.referees2Lattes.por.fl_str_mv http://lattes.cnpq.br/9674541381385819
dc.contributor.author.fl_str_mv Santos, Araken de Medeiros
dc.contributor.advisor1.fl_str_mv Canuto, Anne Magaly de Paula
contributor_str_mv Canuto, Anne Magaly de Paula
dc.subject.por.fl_str_mv Fuzzy Artmap, Artmap-IC, RePART, Comitês de Classificadores, Redes Neurais Artificiais
topic Fuzzy Artmap, Artmap-IC, RePART, Comitês de Classificadores, Redes Neurais Artificiais
Fuzzy Artmap
Artmap-IC
RePART
Committees of classifiers
Artificial neural networks
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
dc.subject.eng.fl_str_mv Fuzzy Artmap
Artmap-IC
RePART
Committees of classifiers
Artificial neural networks
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
description RePART (Reward/Punishment ART) is a neural model that constitutes a variation of the Fuzzy Artmap model. This network was proposed in order to minimize the inherent problems in the Artmap-based model, such as the proliferation of categories and misclassification. RePART makes use of additional mechanisms, such as an instance counting parameter, a reward/punishment process and a variable vigilance parameter. The instance counting parameter, for instance, aims to minimize the misclassification problem, which is a consequence of the sensitivity to the noises, frequently presents in Artmap-based models. On the other hand, the use of the variable vigilance parameter tries to smoouth out the category proliferation problem, which is inherent of Artmap-based models, decreasing the complexity of the net. RePART was originally proposed in order to minimize the aforementioned problems and it was shown to have better performance (higer accuracy and lower complexity) than Artmap-based models. This work proposes an investigation of the performance of the RePART model in classifier ensembles. Different sizes, learning strategies and structures will be used in this investigation. As a result of this investigation, it is aimed to define the main advantages and drawbacks of this model, when used as a component in classifier ensembles. This can provide a broader foundation for the use of RePART in other pattern recognition applications
publishDate 2008
dc.date.issued.fl_str_mv 2008-02-01
dc.date.accessioned.fl_str_mv 2014-12-17T15:47:47Z
dc.date.available.fl_str_mv 2014-12-12
2014-12-17T15:47:47Z
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 SANTOS, Araken de Medeiros. Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores. 2008. 169 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2008.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/17982
identifier_str_mv SANTOS, Araken de Medeiros. Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores. 2008. 169 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2008.
url https://repositorio.ufrn.br/jspui/handle/123456789/17982
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 Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Sistemas e Computação
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Ciência da Computação
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/17982/1/ArakenMS_DISSERT.pdf
https://repositorio.ufrn.br/bitstream/123456789/17982/6/ArakenMS_DISSERT.pdf.jpg
https://repositorio.ufrn.br/bitstream/123456789/17982/5/ArakenMS_DISSERT.pdf.txt
bitstream.checksum.fl_str_mv c2fe2dd22dec4a5b24b3b16e799de691
4ebc95ff62f728ce8c1d6aa85a6b6ccb
72b651e7ba91cd1fb21eff28661f17e7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802118069584134144

Registros relacionados