Compartilhamento |
![]() ![]() |
Use este identificador para citar ou linkar para este item:
http://www.bdtd.uerj.br/handle/1/11756
Tipo do documento: | Dissertação |
Título: | Síntese de árvores de padrões fuzzy através de busca participativa |
Título(s) alternativo(s): | Synthesis of fuzzy pattern trees through participatory search |
Autor: | Barros, Adriano Valladão de ![]() |
Primeiro orientador: | Amaral, Jorge Luís Machado do |
Primeiro membro da banca: | Dias, Douglas Mota |
Segundo membro da banca: | Leite, Karla Tereza Figueiredo |
Terceiro membro da banca: | Goldschmidt, Ronaldo Ribeiro |
Resumo: | Este trabalho tem como objetivo apresentar um sistema que sintetiza classificadores interpretáveis baseados nos modelos fuzzy. A estrutura fuzzy utilizada é intitulada Árvores de Padrão Fuzzy (APF) que não faz uso de regras e surge como uma opção ao Sistema Fuzzy Baseado em Regras. São propostas algumas alternativas aos métodos já desenvolvidos na síntese dessas estruturas, utilizando a Aprendizagem Participativa no processo de busca das melhores árvores para a tarefa de classificação em um processo supervisionado de treinamento. Na estrutura em árvore, os nós internos são operadores lógicos generalizados já utilizados em sistemas fuzzy e as folhas são termos fuzzy associados a um atributo de entrada. O método gera uma estrutura em árvore para cada classe, permitindo uma avaliação hierárquica da influência para cada atributo na tarefa de classificação. A partir desta estrutura, é possível obter uma expressão que possibilita uma boa interpretabilidade unida a valores de acurácia que estão no nível do estado-da-arte. Os métodos de síntese das árvores propostos aqui são baseados no processo de busca participativa, sendo este fundamentado em uma população que busca sua evolução através de gerações, orientada por um método de avaliação de cada indivíduo que compõe essa população. No método participativo a busca prossegue orientada pela compatibilidade entre indivíduos, sempre mantendo o melhor indivíduo nas populações posteriores e introduzindo indivíduos aleatoriamente em cada passo do algoritmo. Os métodos de síntese propostos têm finalidade de explorar melhor o espaço de busca baseado no bom desempenho que a busca participativa apresenta em relação ao estado-da-arte. Os métodos foram comparados com os algoritmos de Máquinas de Vetores de Suporte, K Vizinhos mais próximos, Florestas Aleatórias e com o método de aprendizado originalmente proposto das APF, em diversas bases de dados do UCI Machine Learning Repository. Observou-se que os modelos são compatíveis com o estado-da-arte, gerando resultados competitivos e com árvores menores, que melhoram os níveis de interpretabilidade. |
Abstract: | The aim of this work is to introduce a system to synthesize the interpretable classifiers based on fuzzy modeling. The structure fuzzy used is named Fuzzy Pattern Trees (FPT), which does not use rules and comes up as an option to the Rule-Based Fuzzy Systems. Some alternatives are proposed to methods already known of synthesis for these structures, they are using Participatory Learning on the search process of better trees to the classification task in a supervised process of training. In the tree structure, the inner nodes are generalized logic operators already in use on Fuzzy Systems and the leaf nodes are fuzzy terms associated to an input attribute. The method generates a tree structure for each class, allowing a hierarchical evaluation of the influence for each attribute in the classification task. From this structure, it is possible to obtain an expression that allows a good interpretability linked to the values of accuracy that are at the state-of-the-art level. The methods of tree synthesis here proposed are based on participatory search, it is grounded on a population that seeks its evolution through generations, it is guided by a method of evaluation for each individual who belongs to this population. In the participatory method, the search continues guided by the compatibility between individuals, always keeping the best individual from the populations back and randomly introducing individuals at each step of the algorithm. The proposed methods of synthesis have the purpose of exploring the best space of search based on the good performance that the participatory search presents in relation to the state-of-the-art. The methods were compared with the algorithms: Support Vector Machine, k-nearest neighbors, Random Forest and the learning method originally proposed by the FPT, in several UCI Machine Learning databases. It was observed that the models are compatible with the state-of-the-art and smaller trees, generating competitive results, that improve the levels of interpretability. |
Palavras-chave: | Electronic Engineering Diffuse logic Computer learning Machine Learning Fuzzy Systems Fuzzy Pattern Trees Hierarchical Model Participatory Search Participatory Learning Classification Interpretability Engenharia eletrônica Lógica difusa Aprendizado do computador Aprendizado de máquinas Sistemas Fuzzy Árvores de Padrões Fuzzy Modelo Hierárquico Busca Participativa Aprendizado Participativo Classificação Interpretabilidade |
Área(s) do CNPq: | CNPQ::ENGENHARIAS |
Idioma: | por |
País: | BR |
Instituição: | Universidade do Estado do Rio de Janeiro |
Sigla da instituição: | UERJ |
Departamento: | Centro de Tecnologia e Ciências::Faculdade de Engenharia |
Programa: | Programa de Pós-Graduação em Engenharia Eletrônica |
Citação: | BARROS, Adriano Valladão de. Síntese de árvores de padrões fuzzy através de busca participativa. 2018. 132 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018. |
Tipo de acesso: | Acesso Aberto |
URI: | http://www.bdtd.uerj.br/handle/1/11756 |
Data de defesa: | 28-Nov-2018 |
Aparece nas coleções: | Mestrado em Engenharia Eletrônica |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
Adriano Valladao de Barros_BDTD.pdf | 2,3 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.