Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem
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 opinions, usually from people who have so...
Na minha lista:
Autor principal: | |
---|---|
Outros Autores: | |
Formato: | Dissertação |
Idioma: | por |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/jspui/handle/123456789/18045 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
ri-123456789-18045 |
---|---|
record_format |
dspace |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
por |
topic |
Aprendizado de máquina Comitês de máquinas Meta-aprendizagem. Machine learning Committee machines Metalearning. CNPQ::OUTROS |
spellingShingle |
Aprendizado de máquina Comitês de máquinas Meta-aprendizagem. Machine learning Committee machines Metalearning. CNPQ::OUTROS Parente, Regina Rosa Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem |
description |
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 opinions,
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 process.
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 selecting
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 looking
for improvement. Five classifiers methods are investigated as meta-learners in the
process of choosing the best parameters of a homogeneous committee. |
author2 |
Canuto, Anne Magaly de Paula |
author_facet |
Canuto, Anne Magaly de Paula Parente, Regina Rosa |
format |
masterThesis |
author |
Parente, Regina Rosa |
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 |
publisher |
Universidade Federal do Rio Grande do Norte |
publishDate |
2014 |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/18045 |
work_keys_str_mv |
AT parentereginarosa abordagemdeconstrucaodearquiteturahomogeneaparacomitesviametaaprendizagem |
_version_ |
1773962166016147456 |
spelling |
ri-123456789-180452017-11-04T15:17:22Z Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem Parente, Regina Rosa Canuto, Anne Magaly de Paula http://lattes.cnpq.br/9741127748330695 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8 Campos, André Mauricio Cunha http://lattes.cnpq.br/7154508093406987 Prudêncio, Ricardo Bastos Cavalcante http://lattes.cnpq.br/2984888073123287 Aprendizado de máquina Comitês de máquinas Meta-aprendizagem. Machine learning Committee machines Metalearning. CNPQ::OUTROS 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 opinions, 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 process. 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 selecting 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 looking for improvement. Five classifiers methods are investigated as meta-learners in the process of choosing the best parameters of a homogeneous committee. 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 Aprendizado 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 problemas diversos de classificação. Tais parâmetros são: o classificador base, a arquitetura e o tamanho desta arquitetura. Foram investigados nove tipos de indutores candidatos a classificador 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 metabases e seis novos critérios de tamanho médio da arquitetura foram estabelecidos. Cinco métodos classificadores são investigados como meta-aprendizes no processo de escolha dos melhores parâmetros de um comitê homogêneo. 2014-12-17T15:48:00Z 2012-11-06 2014-12-17T15:48:00Z 2012-05-21 masterThesis PARENTE, Regina Rosa. Abordagem de construção de arquitetura homogênea para comitês via meta-aprendizagem. 2012. 126 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2012. https://repositorio.ufrn.br/jspui/handle/123456789/18045 por Acesso Aberto application/pdf application/pdf Universidade Federal do Rio Grande do Norte BR UFRN Programa de Pós-Graduação em Sistemas e Computação Ciência da Computação |