Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço

Mostrar outras versões (1)

Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern clas...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Lima, Naiyan Hari Cândido
Outros Autores: Melo, Jorge Dantas de
Formato: Dissertação
Idioma:por
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Aprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforço
Machine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learning
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Endereço do item:https://repositorio.ufrn.br/jspui/handle/123456789/15449
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-15449
record_format dspace
spelling ri-123456789-154492017-10-31T18:56:46Z Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço Lima, Naiyan Hari Cândido Melo, Jorge Dantas de http://lattes.cnpq.br/8241420490601784 http://lattes.cnpq.br/7325007451912598 Dória Neto, Adrião Duarte http://lattes.cnpq.br/1987295209521433 Martins, Allan de Medeiros http://lattes.cnpq.br/4402694969508077 Lima Júnior, Francisco Chagas de Aprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforço Machine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learning CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification A aprendizagem por reforço é uma técnica de aprendizado de máquina que, embora já tenha encontrado uma grande quantidade de aplicações, talvez ainda não tenha alcançado seu pleno potencial. Uma das possibilidades que não foi devidamente testada até hoje foi a utilização da aprendizagem por reforço em conjunto com outros métodos para a solução de problemas de classificação de padrões. É bem documentada na literatura a problemática que ensembles de máquinas de vetor de suporte encontram em termos de capacidade de generalização. Algoritmos como Adaboost não lidam apropriadamente com os desequilíbrios que podem surgir nessas situações. Várias alternativas já foram propostas, com margens variadas de sucesso. Esta dissertação apresenta uma nova abordagem para a construção de comitês de máquinas de vetor de suporte. O algoritmo apresentado combina o algoritmo Adaboost com uma camada de aprendizagem por reforço, para ajustar parâmetros do comitê evitando que desequilíbrios nos classificadores componentes do comitê prejudiquem o desempenho de generalização da hipótese final. Foram efetuadas comparações de comitês com e sem essa camada adicional de aprendizagem por reforço, testando conjuntos de dados benchmarks amplamente conhecidos na área de classificação de padrões 2014-12-17T14:56:07Z 2013-04-18 2014-12-17T14:56:07Z 2012-08-13 masterThesis LIMA, Naiyan Hari Cândido. Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço. 2012. 75 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2012. https://repositorio.ufrn.br/jspui/handle/123456789/15449 por Acesso Aberto application/pdf application/pdf Universidade Federal do Rio Grande do Norte BR UFRN Programa de Pós-Graduação em Engenharia Elétrica Automação e Sistemas; Engenharia de Computação; Telecomunicações
institution Repositório Institucional
collection RI - UFRN
language por
topic Aprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforço
Machine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learning
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle Aprendizado de máquina. Sistemas inteligentes. Classificação de padrões. Máquinas de comitê. Máquinas de vetor de suporte. Aprendizagem por reforço
Machine learning. Intelligent systems. Pattern classification. Committee machines. Support vector machines. Reinforcement learning
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Lima, Naiyan Hari Cândido
Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
description Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification
author2 Melo, Jorge Dantas de
author_facet Melo, Jorge Dantas de
Lima, Naiyan Hari Cândido
format masterThesis
author Lima, Naiyan Hari Cândido
author_sort Lima, Naiyan Hari Cândido
title Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
title_short Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
title_full Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
title_fullStr Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
title_full_unstemmed Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
title_sort classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço
publisher Universidade Federal do Rio Grande do Norte
publishDate 2014
url https://repositorio.ufrn.br/jspui/handle/123456789/15449
work_keys_str_mv AT limanaiyanharicandido classificacaodepadroesatravesdeumcomitedemaquinasaprimoradoporaprendizagemporreforco
_version_ 1773965811748175872

Registros relacionados