Comitês de Classificadores Neurais - Estratégias para Construção e Emprego

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Lopes Filho, José Gomes
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Brasil
UFRN
Programa de pós-graduação em sistemas e computação
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: https://repositorio.ufrn.br/jspui/handle/123456789/26070
Resumo: O emprego de classificadores construídos não de forma monolítica, mas a partir da integração de múltiplos agentes (ou classificadores) combinados de diferentes formas em face da estratégia de solução adotada para o problema, vem sendo estudado e divulgado na literatura há mais de 30 anos e tem sido amplamente utilizado para resolver os mais variados problemas uma vez que, em geral, proporciona melhor desempenho que o apresentado individualmente pelos agentes usados como base para formá-los. Comitê (ensemble) é um tipo de SMC - Sistema de Múltiplos Classificadores, que se caracteriza por ser um paradigma de aprendizado no qual uma coleção finita de alternativas globais para solução de um problema é avaliada em grupo com vistas a estabelecer, a partir delas, uma solução única para o problema. Para que isto ocorra, porém, é necessário que os agentes selecionados para compor o comitê sejam ao mesmo tempo acurados (eficazes) e diversos entre si, o que é conhecido na literatura como o dilema da diversidade versus acurácia. Diversas métricas para calcular a diversidade são encontradas na literatura, a dificuldade, no entanto, ainda reside na forma de medi-la não entre pares de agentes, mas do conjunto como um todo e avaliar a relevância relativa desta diversidade frente à acurácia destes mesmos agentes. A construção de um comitê envolve diversos parâmetros com vistas a melhor determinar seu tamanho e selecionar os agentes mais adequados a compô-lo, o que caracteriza um problema de otimização multiobjetivo, onde o espaço de busca cresce exponencialmente com o número de agentes candidatos. Apesar da intensa investigação ocorrida nestas ultimas décadas, ainda não há um consenso sobre a utilização desses parâmetros nem sobre o método de seleção mais apropriado para garantir uma boa composição. Sendo assim, motivado pelas limitações ainda existentes, esta pesquisa tem por objetivo principal realizar um estudo experimental com o intuito de levantar estratégias que possibilitem, através do cálculo e análise das medidas de acurácia, margem e diversidade sobre o conjunto de treino do comitê, identificar a priori a composição mais provável proporcionar e manter, de forma estável, os melhores desempenhos sobre diferentes conjuntos para testes da capacidade de generalização.
id UFRN_bf5cd130a5f25047556d1c68e9c06ceb
oai_identifier_str oai:repositorio.ufrn.br:123456789/26070
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Comitês de Classificadores Neurais - Estratégias para Construção e EmpregoComitê de redes neuraisSistemas de múltiplos classificadoresRelevância das medidas de acurácia-margem-diversidade na previsão da capacidade de generalização de comitês.O emprego de classificadores construídos não de forma monolítica, mas a partir da integração de múltiplos agentes (ou classificadores) combinados de diferentes formas em face da estratégia de solução adotada para o problema, vem sendo estudado e divulgado na literatura há mais de 30 anos e tem sido amplamente utilizado para resolver os mais variados problemas uma vez que, em geral, proporciona melhor desempenho que o apresentado individualmente pelos agentes usados como base para formá-los. Comitê (ensemble) é um tipo de SMC - Sistema de Múltiplos Classificadores, que se caracteriza por ser um paradigma de aprendizado no qual uma coleção finita de alternativas globais para solução de um problema é avaliada em grupo com vistas a estabelecer, a partir delas, uma solução única para o problema. Para que isto ocorra, porém, é necessário que os agentes selecionados para compor o comitê sejam ao mesmo tempo acurados (eficazes) e diversos entre si, o que é conhecido na literatura como o dilema da diversidade versus acurácia. Diversas métricas para calcular a diversidade são encontradas na literatura, a dificuldade, no entanto, ainda reside na forma de medi-la não entre pares de agentes, mas do conjunto como um todo e avaliar a relevância relativa desta diversidade frente à acurácia destes mesmos agentes. A construção de um comitê envolve diversos parâmetros com vistas a melhor determinar seu tamanho e selecionar os agentes mais adequados a compô-lo, o que caracteriza um problema de otimização multiobjetivo, onde o espaço de busca cresce exponencialmente com o número de agentes candidatos. Apesar da intensa investigação ocorrida nestas ultimas décadas, ainda não há um consenso sobre a utilização desses parâmetros nem sobre o método de seleção mais apropriado para garantir uma boa composição. Sendo assim, motivado pelas limitações ainda existentes, esta pesquisa tem por objetivo principal realizar um estudo experimental com o intuito de levantar estratégias que possibilitem, através do cálculo e análise das medidas de acurácia, margem e diversidade sobre o conjunto de treino do comitê, identificar a priori a composição mais provável proporcionar e manter, de forma estável, os melhores desempenhos sobre diferentes conjuntos para testes da capacidade de generalização.BrasilUFRNPrograma de pós-graduação em sistemas e computaçãoGoldbarg, Marco Cesarhttp://lattes.cnpq.br/1371199678541174Goldbarg, Elizabeth Ferreira Gouveahttp://lattes.cnpq.br/2888641121265608Thome, Antonio Carlos Gayhttp://lattes.cnpq.br/9282046098909851Lima, Josefino Cabral Melohttp://lattes.cnpq.br/5775431994199579Lopes Filho, José Gomes2018-10-30T13:16:29Z2018-10-30T13:16:29Z2015-02-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfLOPES FILHO, José Gomes. Comitês de Classificadores Neurais - Estratégias para Construção e Emprego. 2015. 107f. Dissertação (Mestrado Em Sistemas E Computação) - Centro De Ciências Exatas E Da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.https://repositorio.ufrn.br/jspui/handle/123456789/26070porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRN2019-01-30T11:12:55Zoai:repositorio.ufrn.br:123456789/26070Repositório InstitucionalPUBhttp://repositorio.ufrn.br/oai/repositorio@bczm.ufrn.bropendoar:2019-01-30T11:12:55Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.none.fl_str_mv Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
title Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
spellingShingle Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
Lopes Filho, José Gomes
Comitê de redes neurais
Sistemas de múltiplos classificadores
Relevância das medidas de acurácia-margem-diversidade na previsão da capacidade de generalização de comitês.
title_short Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
title_full Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
title_fullStr Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
title_full_unstemmed Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
title_sort Comitês de Classificadores Neurais - Estratégias para Construção e Emprego
author Lopes Filho, José Gomes
author_facet Lopes Filho, José Gomes
author_role author
dc.contributor.none.fl_str_mv Goldbarg, Marco Cesar


http://lattes.cnpq.br/1371199678541174
Goldbarg, Elizabeth Ferreira Gouvea

http://lattes.cnpq.br/2888641121265608
Thome, Antonio Carlos Gay

http://lattes.cnpq.br/9282046098909851
Lima, Josefino Cabral Melo

http://lattes.cnpq.br/5775431994199579
dc.contributor.author.fl_str_mv Lopes Filho, José Gomes
dc.subject.por.fl_str_mv Comitê de redes neurais
Sistemas de múltiplos classificadores
Relevância das medidas de acurácia-margem-diversidade na previsão da capacidade de generalização de comitês.
topic Comitê de redes neurais
Sistemas de múltiplos classificadores
Relevância das medidas de acurácia-margem-diversidade na previsão da capacidade de generalização de comitês.
description O emprego de classificadores construídos não de forma monolítica, mas a partir da integração de múltiplos agentes (ou classificadores) combinados de diferentes formas em face da estratégia de solução adotada para o problema, vem sendo estudado e divulgado na literatura há mais de 30 anos e tem sido amplamente utilizado para resolver os mais variados problemas uma vez que, em geral, proporciona melhor desempenho que o apresentado individualmente pelos agentes usados como base para formá-los. Comitê (ensemble) é um tipo de SMC - Sistema de Múltiplos Classificadores, que se caracteriza por ser um paradigma de aprendizado no qual uma coleção finita de alternativas globais para solução de um problema é avaliada em grupo com vistas a estabelecer, a partir delas, uma solução única para o problema. Para que isto ocorra, porém, é necessário que os agentes selecionados para compor o comitê sejam ao mesmo tempo acurados (eficazes) e diversos entre si, o que é conhecido na literatura como o dilema da diversidade versus acurácia. Diversas métricas para calcular a diversidade são encontradas na literatura, a dificuldade, no entanto, ainda reside na forma de medi-la não entre pares de agentes, mas do conjunto como um todo e avaliar a relevância relativa desta diversidade frente à acurácia destes mesmos agentes. A construção de um comitê envolve diversos parâmetros com vistas a melhor determinar seu tamanho e selecionar os agentes mais adequados a compô-lo, o que caracteriza um problema de otimização multiobjetivo, onde o espaço de busca cresce exponencialmente com o número de agentes candidatos. Apesar da intensa investigação ocorrida nestas ultimas décadas, ainda não há um consenso sobre a utilização desses parâmetros nem sobre o método de seleção mais apropriado para garantir uma boa composição. Sendo assim, motivado pelas limitações ainda existentes, esta pesquisa tem por objetivo principal realizar um estudo experimental com o intuito de levantar estratégias que possibilitem, através do cálculo e análise das medidas de acurácia, margem e diversidade sobre o conjunto de treino do comitê, identificar a priori a composição mais provável proporcionar e manter, de forma estável, os melhores desempenhos sobre diferentes conjuntos para testes da capacidade de generalização.
publishDate 2015
dc.date.none.fl_str_mv 2015-02-27
2018-10-30T13:16:29Z
2018-10-30T13:16:29Z
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 LOPES FILHO, José Gomes. Comitês de Classificadores Neurais - Estratégias para Construção e Emprego. 2015. 107f. Dissertação (Mestrado Em Sistemas E Computação) - Centro De Ciências Exatas E Da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.
https://repositorio.ufrn.br/jspui/handle/123456789/26070
identifier_str_mv LOPES FILHO, José Gomes. Comitês de Classificadores Neurais - Estratégias para Construção e Emprego. 2015. 107f. Dissertação (Mestrado Em Sistemas E Computação) - Centro De Ciências Exatas E Da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.
url https://repositorio.ufrn.br/jspui/handle/123456789/26070
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 Brasil
UFRN
Programa de pós-graduação em sistemas e computação
publisher.none.fl_str_mv Brasil
UFRN
Programa de pós-graduação em sistemas e computação
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
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv repositorio@bczm.ufrn.br
_version_ 1855758860709527552