Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Mittelmann, Munyque
Orientador(a): Wangenheim, Aldo v.
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
Link de acesso: https://repositorio.ufsc.br/handle/123456789/204383
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2019.
id UFSC_6f4c1f6b66046064b23964d6a7fa9640
oai_identifier_str oai:repositorio.ufsc.br:123456789/204383
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaMittelmann, MunyqueWangenheim, Aldo v.Marchi, Jerusa2020-02-28T18:03:19Z2020-02-28T18:03:19Z2019360732https://repositorio.ufsc.br/handle/123456789/204383Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2019.Diversos problemas computacionais requerem a realização de inferência sobre informações multissensoriais incertas. Redes Bayesianas (BN) são uma ferramenta para representação e inferência de variáveis que possuem incerteza devido a aleatoriedade. Redes Bayesianas Dinâmicas (DBN) estendem este conceito introduzindo dependências temporais entre variáveis, de modo a incorporar o reconhecimento de padrões temporais quando os dados possuem características sequenciais. Para modelar um ambiente com variáveis contínuas de forma eficiente com BN, é necessário discretizar os dados em categorias. Quando a discretização é especificada por um usuário especialista no domínio, os conceitos linguísticos utilizados para descrever as classes frequentemente possuem imprecisão por vagueza, isto é, não podem ser definidas adequadamente por limiares numéricos. A Teoria Fuzzy provê ferramentas para modelar a imprecisão por vagueza, permitindo a definição de classes com transições gradativas. Embora existam abordagens híbridas que integrem a Teoria Fuzzy no processo de inferência de BN, ainda existem limitações na utilização de observações fuzzy como evidências de uma DBN. Os trabalhos correlatos restringem a modelagem das evidências em particionamentos restritos a apenas duas funções de pertinência fuzzy. Para sobrepor esta limitação, este trabalho propõe um método de inferência Fuzzy-Bayesiana Dinâmica com evidências não-dicotômicas. O método modifica a inferência por filtragem de DBN, introduzindo qualificadores fuzzy para tratar a imprecisão por vagueza nas evidências da rede. É demonstrado que a inferência proposta respeita a propriedade da Soma das Probabilidades. Para verificar a proposta, o modelo for aplicado como um classificador em bases de dados disponíveis da literatura e comparado com outras abordagens existentes. Os resultados obtidos mostram uma melhora na precisão e na acurácia da classificação, em relação às demais abordagens.Abstract : Many computational problems require inference over incomplete or uncertain sensory data. Bayesian Networks (BN) are a tool for representing and inferring over variables with aleatory uncertainty. Dynamic Bayesian networks (DBN) extend this concept to introduce temporal dependencies that catch dynamic behaviors from the domain variables. An effective and efficient modeling throw BN demands data discretization on categories. One of the main methods for discretizing continuous data for use in BN is manual specification by an expert user. However, the linguistic labels used by humans frequently have vagueness uncertainty, once they use labels that haven't exact numerical thresholds. Theory Fuzzy provides a framework for modeling vagueness uncertainty. Although there are hybrid theories that integrate Fuzzy Theory to the inference process in BN, there are still limitations on using fuzzy evidence on a DBN. The related works restrict the evidence modeling in partitioning with only two fuzzy membership functions. Thereby, this work proposes a method for Dynamic Fuzzy-Bayesian inference over not dichotomous variables. The proposed method modifies the filtering inference of DCB, introducing fuzzy qualifiers for dealing with the vagueness in the network evidence. It is demonstrated that the new inference respects the probability property. To evaluate the proposal, the model is applied as a classifier on open databases and compared with other approaches. The obtained results show an improvement in the accuracy of the classification, in comparison to the other approaches.109 p.| il., gráfs.porComputaçãoIncerteza (Teoria da informação)Redes bayesianasSistemas difusosModelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPGCC1134-D.pdfPGCC1134-D.pdfapplication/pdf1416296https://repositorio.ufsc.br/bitstream/123456789/204383/-1/PGCC1134-D.pdf5e56084dd98ddf778cd6d1c1f6c11b7dMD5-1123456789/2043832020-02-28 15:03:19.406oai:repositorio.ufsc.br:123456789/204383Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732020-02-28T18:03:19Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
title Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
spellingShingle Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
Mittelmann, Munyque
Computação
Incerteza (Teoria da informação)
Redes bayesianas
Sistemas difusos
title_short Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
title_full Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
title_fullStr Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
title_full_unstemmed Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
title_sort Modelo de inferência em redes fuzzy-bayesianas dinâmicas para tratamento de incertezas
author Mittelmann, Munyque
author_facet Mittelmann, Munyque
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Mittelmann, Munyque
dc.contributor.advisor1.fl_str_mv Wangenheim, Aldo v.
dc.contributor.advisor-co1.fl_str_mv Marchi, Jerusa
contributor_str_mv Wangenheim, Aldo v.
Marchi, Jerusa
dc.subject.classification.none.fl_str_mv Computação
Incerteza (Teoria da informação)
Redes bayesianas
Sistemas difusos
topic Computação
Incerteza (Teoria da informação)
Redes bayesianas
Sistemas difusos
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2019.
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-02-28T18:03:19Z
dc.date.available.fl_str_mv 2020-02-28T18:03:19Z
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 https://repositorio.ufsc.br/handle/123456789/204383
dc.identifier.other.none.fl_str_mv 360732
identifier_str_mv 360732
url https://repositorio.ufsc.br/handle/123456789/204383
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 109 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/204383/-1/PGCC1134-D.pdf
bitstream.checksum.fl_str_mv 5e56084dd98ddf778cd6d1c1f6c11b7d
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759263422087168

Registros relacionados