Aplicação de conceitos de redes complexas para a descoberta de formação de grupos em mapas auto-organizáveis

Página do item simplificado
dc.contributor.advisorSilva, Leandro Augusto da
dc.contributor.authorRolemberg, Thiago Mesquita
dc.date.accessioned2022-05-23T13:19:25Z
dc.date.available2022-05-23T13:19:25Z
dc.date.issued2021-09-22
dc.description.abstractRedes Neurais do tipo Mapas Auto-Organizáveis ou SOM (do inglês Self-Organizing Maps), em particular, se destaca como um algoritmo que permite analisar as características de agrupamento e a relação topológica dos dados, a partir de um reticulado de neurônios. Contudo, ainda há uma lacuna de pesquisa que consiste em descobrir a relação por de trás dos atributos que levam a formação de grupos. Neste sentido, propõe-se neste trabalho o uso de conceitos de redes complexas no sentido de usar os neurônios do reticulado para a geração de um grafo e complementar a análise no contexto de comunidade, analisando a formação de grupos por medidas de centralidade. Experimentos em três bases de dados demonstram a viabilidade da proposta.pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/29276
dc.language.isopt_BRpt_BR
dc.language.isoenpt_BR
dc.publisherUniversidade Presbiteriana Mackenzie
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectmapa auto-organizadopt_BR
dc.subjectredes neuraispt_BR
dc.subjectredes complexaspt_BR
dc.subjectgrafospt_BR
dc.subjectmedidas de centralidadespt_BR
dc.subjectu-matrixpt_BR
dc.subjectdendrogramaspt_BR
dc.subjectaprendizado de máquinapt_BR
dc.subjectagrupamentopt_BR
dc.subjectaprendizado de máquinapt_BR
dc.subjectnão supervisionadopt_BR
dc.titleAplicação de conceitos de redes complexas para a descoberta de formação de grupos em mapas auto-organizáveispt_BR
dc.typeDissertaçãopt_BR
local.contributor.advisorLatteshttp://lattes.cnpq.br/1396385111251741pt_BR
local.contributor.advisorOrcidhttps://orcid.org/0000-0002-8671-3102pt_BR
local.contributor.authorLatteshttp://lattes.cnpq.br/0305062729397238pt_BR
local.contributor.board1Monteiro, Luiz Henrique Alves
local.contributor.board1Latteshttp://lattes.cnpq.br/1820487447148268pt_BR
local.contributor.board1Orcidhttps://orcid.org/0000-0002-2309-1254pt_BR
local.contributor.board2Kitani, Edson Caoru
local.contributor.board2Latteshttp://lattes.cnpq.br/6731656353508097pt_BR
local.description.abstractenNeural Networks of the Self-Organizing Maps type, in particular, stands out as one of the clustering algorithms for allowing the analysis of cluster characteristics and the topological relationship between clusters from a lattice of neurons. However, there is still a research gap, which consists of discovering the relationship behind the attributes that lead to the formation of groups. In this sense, this work proposes the use of complex network concepts in order to use the lattice neurons to generate a graph and complement the analysis in the community context, analyzing the formation of groups by measures of centrality. Experiments using three datasets shown the proposal effectivitypt_BR
local.keywordsself-organizing mappt_BR
local.keywordsredes neuraispt_BR
local.keywordsneural networkspt_BR
local.keywordscomplex networkspt_BR
local.keywordsgraphspt_BR
local.keywordscentrality measurespt_BR
local.keywordsu-matrixpt_BR
local.keywordsdendrogramspt_BR
local.keywordsmachine learningpt_BR
local.keywordsgroupingpt_BR
local.keywordslearningpt_BR
local.keywordsunsupervisedpt_BR
local.publisher.countryBrasil
local.publisher.departmentEscola de Engenharia Mackenzie (EE)pt_BR
local.publisher.initialsUPM
local.publisher.programEngenharia Elétrica e Computaçãopt_BR
local.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAOpt_BR
local.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAOpt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
THIAGO MESQUITA ROLEMBERG - protegida.pdf
Tamanho:
1.91 MB
Formato:
Adobe Portable Document Format
Descrição:
Thiago Mesquita Rolemberg
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis