Made available in DSpace on 2014-12-17T14:55:06Z (GMT). No. of bitstreams: 1
RobinsonLSA_TESE.pdf: 3429587 bytes, checksum: 6e34f5d59ebeb449eb13310ec5ff1eae (MD5)
Previous issue date: 2012-11-05 / ART networks present some advantages: online learning; convergence in a few epochs of training;
incremental learning, etc. Even though, some problems exist, such as: categories proliferation,
sensitivity to the presentation order of training patterns, the choice of a good vigilance parameter, etc.
Among the problems, the most important is the category proliferation that is probably the most
critical. This problem makes the network create too many categories, consuming resources to store
unnecessarily a large number of categories, impacting negatively or even making the processing time
unfeasible, without contributing to the quality of the representation problem, i. e., in many cases, the
excessive amount of categories generated by ART networks makes the quality of generation inferior
to the one it could reach. Another factor that leads to the category proliferation of ART networks is
the difficulty of approximating regions that have non-rectangular geometry, causing a generalization
inferior to the one obtained by other methods of classification. From the observation of these
problems, three methodologies were proposed, being two of them focused on using a most flexible
geometry than the one used by traditional ART networks, which minimize the problem of categories
proliferation. The third methodology minimizes the problem of the presentation order of training
patterns. To validate these new approaches, many tests were performed, where these results
demonstrate that these new methodologies can improve the quality of generalization for ART
networks / As redes do tipo ART apresentam algumas vantagens: aprendizado online; converg?ncia em poucas
?pocas de treinamento; aprendizado incremental, etc. Contudo, alguns problemas existem:
prolifera??o de categorias, sensibilidade a ordem de apresenta??o dos padr?es, escolha de um bom
valor para o par?metro de vigil?ncia. O mais importante deles ? o problema da prolifera??o de
categorias e ? provavelmente o mais cr?tico. Esse problema faz com que a rede crie v?rias categorias
consumindo recursos (recursos para armazenar uma grande quantidade de categorias desnecess?rias
impactando negativamente ou at? mesmo inviabilizando o tempo de processamento da rede) sem
contribuir para a qualidade da representa??o do problema, ou seja, em muitos casos a quantidade
excessiva de categorias geradas pelas redes ART faz com que a qualidade da generaliza??o da rede
seja inferior. Outro fator que leva a prolifera??o de categorias das redes do tipo ART ? a dificuldade
de aproximar regi?es de classes que tem geometria n?o retangular, ocasionando uma generaliza??o
inferior a outros m?todos de classifica??o. A partir da observa??o desses problemas, foi desenvolvido
esse trabalho que prop?e tr?s metodologias. Duas dessas metodologias utilizam uma geometria mais
flex?vel do que a geometria regular retangular presente nas redes ART tradicionais e minimizam o
problema da prolifera??o de categorias. A terceira metodologia minimiza o problema da ordem de
apresenta??o dos padr?es e a prolifera??o de categorias. Com o objetivo de validar as novas
abordagens, v?rios testes foram realizados. Os resultados obtidos nesses testes demonstram a
viabilidade das metodologias propostas em reduzir o n?mero de categorias e melhorar a qualidade da
generaliza??o. Em muitos desses testes a quantidade m?nima de categorias necess?rias para classificar
corretamente as classes foi atingida ap?s o treinamento, o que demonstra uma significativa melhora
em rela??o aos m?todos j? existentes. Al?m disso, devido a nova geometria das categorias, utilizando
politopos convexos, a qualidade da generaliza??o melhorou em rala??o ao estado da arte
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15198 |
Date | 05 November 2012 |
Creators | Alves, Robinson Luis de Souza |
Contributors | CPF:09463097449, http://lattes.cnpq.br/7325007451912598, D?ria Neto, Adri?o Duarte, CPF:10749896434, http://lattes.cnpq.br/1987295209521433, Martins, Allan de Medeiros, CPF:01979076448, http://lattes.cnpq.br/4402694969508077, Ara?jo, Aluizio Fausto Ribeiro, CPF:14149885400, http://lattes.cnpq.br/8715023255304328, Flauzino, Rog?rio Andrade, CPF:27935755850, http://lattes.cnpq.br/4487681434814567, Melo, Jorge Dantas de |
Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds