Mapeamento e visualização de dados em alta dimensão com mapas auto-organizados (2013)
- Authors:
- Autor USP: KITANI, EDSON CAORU - EP
- Unidade: EP
- Sigla do Departamento: PSI
- Subjects: REDES NEURAIS; MINERAÇÃO DE DADOS; ALGORITMOS PARA IMAGENS; APRENDIZAGEM
- Language: Português
- Abstract: Os seres vivos têm uma impressionante capacidade de lidar com ambientes complexos com grandes quantidades de informações de forma muito autônoma. Isto os torna um modelo ideal para o desenvolvimento de sistemas artificiais bioinspirados. A rede neural artificial auto-organizada de Kohonen é um excelente exemplo de um sistema baseado nos modelos biológicos. Esta tese discutirá como simular computacionalmente algumas características presentes na biologia que permitem aos seres vivos tratar o reconhecimento e a generalização de padrões em alta dimensão. Levanta-se a hipótese de que os sistemas biológicos trabalham com redução de dimensionalidade para otimizar o armazenamento e o acesso às informações memorizadas para fins de reconhecimento e categorização de padrões. Essa hipótese é a base para a construção dos modelos artificiais discutidos nesta tese. Baseada nas hipóteses acima, esta tese apresenta um conjunto de novas propostas desenvolvidas para aplicações de extração não supervisionada de conhecimento a partir dos mapas auto-organizados. Trabalha-se sobre o modelo da Rede Neural de Kohonen, mas algumas das propostas desta tese também são aplicáveis com outras abordagens de redes neurais auto-organizadas. Será apresentada uma técnica de reconstrução visual dos neurônios do Mapa de Kohonen gerado pelo método híbrido PCA+SOM. Essa técnica é útil quando se trabalha com banco de dados de imagens. Propõe-se também um método para melhorar a representação dos dados do mapa SOM e discute-se o resultado do mapeamento SOM como uma generalização das informações do espaço de dados. Finalmente, apresenta-se um método de exploração de espaço de dados em alta dimensão de maneira auto-organizada, baseado no manifold dos dados, cuja proposta foi denominada Self Organizing Manifold Mapping (SOMM).São apresentados os resultados computacionais de ensaios realizados com cada uma das propostas acima e eles são avaliados as com métricas de qualidade conhecidas, além de uma nova métrica que está sendo proposta neste trabalho.
- Imprenta:
- Data da defesa: 14.06.2013
-
ABNT
KITANI, Edson Caoru. Mapeamento e visualização de dados em alta dimensão com mapas auto-organizados. 2013. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/3/3142/tde-11072014-114804/. Acesso em: 18 abr. 2024. -
APA
Kitani, E. C. (2013). Mapeamento e visualização de dados em alta dimensão com mapas auto-organizados (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/3/3142/tde-11072014-114804/ -
NLM
Kitani EC. Mapeamento e visualização de dados em alta dimensão com mapas auto-organizados [Internet]. 2013 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/3/3142/tde-11072014-114804/ -
Vancouver
Kitani EC. Mapeamento e visualização de dados em alta dimensão com mapas auto-organizados [Internet]. 2013 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/3/3142/tde-11072014-114804/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
