Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /

Resumo: No universo cotidiano estamos constantemente realizando ações. Duas dessas ações são frequentes e de grande importância: classificar (distribuir por classes) e tomar decisão. Quando nos deparamos com problemas com um grau de complexidade relativamente alto, tendemos a buscar outras...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Principais autores: Parente, Regina Rosa., Canuto, Anne Magály de Paula, Universidade Federal do Rio Grande do Norte.
Formato: Dissertação
Publicado em:
Assuntos:
Endereço do item:https://repositorio.ufrn.br/jspui/bitstream/123456789/18045/1/ReginaRP_DISSERT.pdf
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id oai:localhost:123456789-121686
record_format dspace
institution Acervo SISBI
collection SIGAA
topic Aprendizagem de computador -
Dissertação.
Meta-aprendizagem -
Dissertação.
Comitês homogêneos -
Dissertação.
Computer learning.
Meta-learning.
Homogeneous committees.
spellingShingle Aprendizagem de computador -
Dissertação.
Meta-aprendizagem -
Dissertação.
Comitês homogêneos -
Dissertação.
Computer learning.
Meta-learning.
Homogeneous committees.
Parente, Regina Rosa.
Canuto, Anne Magály de Paula
Universidade Federal do Rio Grande do Norte.
Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /
description Resumo: No universo cotidiano estamos constantemente realizando ações. Duas dessas ações são frequentes e de grande importância: classificar (distribuir por classes) e tomar decisão. Quando nos deparamos com problemas com um grau de complexidade relativamente alto, tendemos a buscar outras opiniões, geralmente de pessoas que tenham certo conhecimento ou até mesmo, na medida do possível, sejam especialistas no domínio do problema em questão, de forma que nos ajudem no processo de tomada de decisão. Tanto no processo de classificação quanto em um processo de tomada de decisão, somos orientados pela consideração das características envolvidas no problema específico. A caracterização de um conjunto de objetos faz parte do processo de tomada de decisão em geral. Em Apren-dizado de Máquina essa classificação acontece através de um algoritmo de aprendizado e a caracterização é aplicada às bases de dados. Os algoritmos de classificação podem ser empregados individualmente ou em forma de comitês de máquinas. A escolha dos melhores métodos a serem utilizados na construção de um comitê é uma tarefa bastante árdua. Neste trabalho, serão investigadas técnicas de meta-aprendizagem na seleção dos melhores parâmetros de configuração de comitês homogêneos para aplicações em proble-mas diversos de classificação. Tais parâmetros são: o classificador base, a arquitetura e o tamanho desta arquitetura. Foram investigados nove tipos de indutores candidatos a clas-sificador base, dois métodos de geração de arquitetura e três grupos de tamanho médio para arquitetura, pequeno, médio e grande. Ante um desempenho fraco no processo de meta-aprendizagem foram aplicadas técnicas de redução de dimensionalidade às metaba-ses e seis novos critérios de tamanho médio da arquitetura foram estabelecidos. Cinco métodos classificadores são investigados como meta-aprendizes no processo de escolhados melhores parâmetros de um comitê homogêneo.#$&Abstract: In the world we are constantly performing everyday actions. Two of these actions are frequent and of great importance: classify (sort by classes) and take decision. When we encounter problems with a relatively high degree of complexity, we tend to seek other opi-nions, usually from people who have some knowledge or even to the extent possible, are experts in the problem domain in question in order to help us in the decision-making pro-cess. Both the classification process as the process of decision making, we are guided by consideration of the characteristics involved in the specific problem. The characterization of a set of objects is part of the decision making process in general. In Machine Learning this classification happens through a learning algorithm and the characterization is applied to databases. The classification algorithms can be employed individually or by machine committees. The choice of the best methods to be used in the construction of a committee is a very arduous task. In this work, it will be investigated meta-learning techniques in se-lecting the best configuration parameters of homogeneous committees for applications in various classification problems. These parameters are: the base classifier, the architecture and the size of this architecture. We investigated nine types of inductors candidates for based classifier, two methods of generation of architecture and nine medium-sized groups for architecture. Dimensionality reduction techniques have been applied to metabases lo oking for improvement. Five classifiers methods are investigated as meta-learners in the process of choosing the best parameters of a homogeneous committee.
format Dissertação
author Parente, Regina Rosa.
Canuto, Anne Magály de Paula
Universidade Federal do Rio Grande do Norte.
author_facet Parente, Regina Rosa.
Canuto, Anne Magály de Paula
Universidade Federal do Rio Grande do Norte.
author_sort Parente, Regina Rosa.
title Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /
title_short Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /
title_full Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /
title_fullStr Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /
title_full_unstemmed Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /
title_sort abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem /
publishDate 2022
url https://repositorio.ufrn.br/jspui/bitstream/123456789/18045/1/ReginaRP_DISSERT.pdf
work_keys_str_mv AT parentereginarosa abordagemdeconstrucaodearquiteturahomogeneaparacomitesviametaaprendizagem
AT canutoannemagalydepaula abordagemdeconstrucaodearquiteturahomogeneaparacomitesviametaaprendizagem
AT universidadefederaldoriograndedonorte abordagemdeconstrucaodearquiteturahomogeneaparacomitesviametaaprendizagem
_version_ 1766856279729373184
spelling oai:localhost:123456789-1216862022-11-30T22:20:40Z Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem / Parente, Regina Rosa. Canuto, Anne Magály de Paula Universidade Federal do Rio Grande do Norte. Aprendizagem de computador - Dissertação. Meta-aprendizagem - Dissertação. Comitês homogêneos - Dissertação. Computer learning. Meta-learning. Homogeneous committees. Resumo: No universo cotidiano estamos constantemente realizando ações. Duas dessas ações são frequentes e de grande importância: classificar (distribuir por classes) e tomar decisão. Quando nos deparamos com problemas com um grau de complexidade relativamente alto, tendemos a buscar outras opiniões, geralmente de pessoas que tenham certo conhecimento ou até mesmo, na medida do possível, sejam especialistas no domínio do problema em questão, de forma que nos ajudem no processo de tomada de decisão. Tanto no processo de classificação quanto em um processo de tomada de decisão, somos orientados pela consideração das características envolvidas no problema específico. A caracterização de um conjunto de objetos faz parte do processo de tomada de decisão em geral. Em Apren-dizado de Máquina essa classificação acontece através de um algoritmo de aprendizado e a caracterização é aplicada às bases de dados. Os algoritmos de classificação podem ser empregados individualmente ou em forma de comitês de máquinas. A escolha dos melhores métodos a serem utilizados na construção de um comitê é uma tarefa bastante árdua. Neste trabalho, serão investigadas técnicas de meta-aprendizagem na seleção dos melhores parâmetros de configuração de comitês homogêneos para aplicações em proble-mas diversos de classificação. Tais parâmetros são: o classificador base, a arquitetura e o tamanho desta arquitetura. Foram investigados nove tipos de indutores candidatos a clas-sificador base, dois métodos de geração de arquitetura e três grupos de tamanho médio para arquitetura, pequeno, médio e grande. Ante um desempenho fraco no processo de meta-aprendizagem foram aplicadas técnicas de redução de dimensionalidade às metaba-ses e seis novos critérios de tamanho médio da arquitetura foram estabelecidos. Cinco métodos classificadores são investigados como meta-aprendizes no processo de escolhados melhores parâmetros de um comitê homogêneo.#$&Abstract: In the world we are constantly performing everyday actions. Two of these actions are frequent and of great importance: classify (sort by classes) and take decision. When we encounter problems with a relatively high degree of complexity, we tend to seek other opi-nions, usually from people who have some knowledge or even to the extent possible, are experts in the problem domain in question in order to help us in the decision-making pro-cess. Both the classification process as the process of decision making, we are guided by consideration of the characteristics involved in the specific problem. The characterization of a set of objects is part of the decision making process in general. In Machine Learning this classification happens through a learning algorithm and the characterization is applied to databases. The classification algorithms can be employed individually or by machine committees. The choice of the best methods to be used in the construction of a committee is a very arduous task. In this work, it will be investigated meta-learning techniques in se-lecting the best configuration parameters of homogeneous committees for applications in various classification problems. These parameters are: the base classifier, the architecture and the size of this architecture. We investigated nine types of inductors candidates for based classifier, two methods of generation of architecture and nine medium-sized groups for architecture. Dimensionality reduction techniques have been applied to metabases lo oking for improvement. Five classifiers methods are investigated as meta-learners in the process of choosing the best parameters of a homogeneous committee. 1 2022-10-06T05:29:15Z 2022-10-06T05:29:15Z 2012. Dissertação 004.85 P228a DISSERT 185556 https://repositorio.ufrn.br/jspui/bitstream/123456789/18045/1/ReginaRP_DISSERT.pdf https://repositorio.ufrn.br/jspui/bitstream/123456789/18045/1/ReginaRP_DISSERT.pdf