Estudo paramétrico de um algoritmo imunológico em um problema de classificação
Tipo
TCC
Data de publicação
2023-06-16
Periódico
Citações (Scopus)
Autores
Corrêa, Pedro Henrique Rodrigues
Orientador
Ruivo, Eurico Luiz Prospero
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
This paper presents a detailed parametric study of an immunology inspired algorithm applied to a classification problem. The algorithm, known
as the Artificial Immune Network Algorithm (AINet), has its effectiveness
examined through various parameter settings on an Iris flower dataset. We
analyze the performance of the parameters given to AINet and their impact on
its classification accuracy as well as considering acceptable execution times.
The results demonstrate that certain parameters can significantly optimize the
algorithm’s accuracy without overly compromising the computational efficiency
compared to others. This study provides valuable data for the application of
artificial immunology algorithms in classification problems.
Este artigo apresenta um estudo paramétrico detalhado de um algoritmo inspirado em imunologia aplicado a um problema de classificação. O algoritmo, conhecido como Artificial Immune Network Algorithm (AINet), tem sua eficácia examinada através de diversas configurações paramétricas em um conjunto de dados de flor Iris. Analisamos o desempenho dos parâmetros dados ao AINet e seu impacto em sua acurácia de classificação assim como levando em consideração tempos de execução aceitáveis. Os resultados de monstram que certos parâmetros podem otimizar significativamente a precisão do algoritmo sem comprometer excessivamente a eficiência computacional do que outros. Este estudo fornece dados valiosos para a aplicação de algoritmos de imunologia artificial em problemas de classificação.
Este artigo apresenta um estudo paramétrico detalhado de um algoritmo inspirado em imunologia aplicado a um problema de classificação. O algoritmo, conhecido como Artificial Immune Network Algorithm (AINet), tem sua eficácia examinada através de diversas configurações paramétricas em um conjunto de dados de flor Iris. Analisamos o desempenho dos parâmetros dados ao AINet e seu impacto em sua acurácia de classificação assim como levando em consideração tempos de execução aceitáveis. Os resultados de monstram que certos parâmetros podem otimizar significativamente a precisão do algoritmo sem comprometer excessivamente a eficiência computacional do que outros. Este estudo fornece dados valiosos para a aplicação de algoritmos de imunologia artificial em problemas de classificação.
Descrição
TCC
Palavras-chave
artificial immune systems , bio-inspired algorithm , bio-inspired computing , artificial immune networks , parametric analysis , sistemas imunológicos artificiais , algoritmo bio-inspirado , computação natural , redes imunológicas artificiais , análise paramétrica