Rede Neural Probabilística para a Classificação de Atividades Econômicas

Página do item simplificado
dc.contributor.advisor-co1Oliveira, Elias Silva de
dc.contributor.advisor1Salles, Evandro Ottoni Teatini
dc.contributor.authorCiarelli, Patrick Marques
dc.contributor.referee1Krohling, Renato Antônio
dc.contributor.referee2França, Felipe Maia Galvão
dc.date.accessioned2016-08-29T15:32:27
dc.date.available2016-07-11
dc.date.available2016-08-29T15:32:27Z
dc.date.issued2008-02-22
dc.description.abstractThisworkpresents anapproach basedonArtificialNeuralNetworksforproblemsofmulti-label classification.In particular,was useda modifiedversionof ProbabilisticNeuralNetworkto handlesuch problems.In experiments carriedoutin variousdatabasesknownin theliterature,theProbabilisticNeuralNetworkproposalpresenteda performancecomparable,andsometimesevensuperiorto otheralgorithmsspecializedin thistype ofproblem.Asthemainfocusof thisworkwas thestudyof strategiesforautomatictextclassi-ficationof economicactivitiesthenwerealsoconductedexperiments usinga databaseofeconomicactivities.However,unlike of databasesusedpreviously, thisdatabaseshowsahugenumber of categoriesandfewsamplesof trainingby category, which increasesthedegreeof difficulty thisproblem.In theexperiments wereusedto ProbabilisticNeuralNetworkproposal,theclassifierMulti-label k-NearestNeighbor anda GeneticAlgorithmforoptimizationof theparameters.Themetricsusedto evaluationof performancehaveshownthattheresultsof ProbabilisticNeuralNetworkweresuperiorandcomparabletotheresultsobtainedby theMulti-label k-NearestNeighbor,showingthattheapproachusedin thisworkis promising.eng
dc.description.resumoEste trabalho apresenta uma abordagem baseada em Redes Neurais Artificiais para problemas de classificação multi-rotulada. Em particular, foi empregada uma versão modificada da Rede Neural Probabilística para tratar de tais problemas. Em experimentos realizados em várias bases de dados conhecidas na literatura, a Rede Neural Probabilística proposta apresentou um desempenho comparável, e algumas vezes até superior, a outros algoritmos especializados neste tipo de problema. Como o foco principal deste trabalho foi o estudo de estratégias para classificação automática de texto de atividades econômicas, foram realizados também experimentos utilizando uma base de dados de atividades econômicas. No entanto, diferente das bases de dados utilizadas anteriormente, esta base de dados apresenta um número extenso de categorias e poucas amostras de treino por categoria, o que aumenta o grau de dificuldade deste problema. Nos experimentos realizados foram utilizados a Rede Neural Probabilística proposta, o classificador k-Vizinhos mais Próximos Multi-rotulado, e um Algoritmo Genético para otimização dos parâmetros dos mesmos. Nas métricas utilizadas para avaliação de desempenho, a Rede Neural Probabilística mostrou resultados superiores e comparáveis aos resultados obtidos pelo k-Vizinhos mais Próximos Multi-rotulado, mostrando que a abordagem utilizada neste trabalho é promissora.
dc.formatText
dc.identifier.urihttps://dspace5.ufes.br/handle/10/4056
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Elétrica
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica
dc.rightsopen access
dc.subject.br-rjbnReconhecimento de padrões.
dc.subject.br-rjbnRedes neurais (Computação)
dc.subject.cnpqEletrônica Industrial, Sistemas e Controles Eletrônicos
dc.subject.udc621.3
dc.titleRede Neural Probabilística para a Classificação de Atividades Econômicas
dc.typemasterThesis

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tese_2374_DissCiarelli.pdf
Tamanho:
642.28 KB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Mestrado em Engenharia Elétrica