Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural

Autores
Silva Camargo, Sandro da; Engel, Paulo Martins
Año de publicación
2009
Idioma
portugués
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Cientistas das diversas áreas de conhecimento humano têm se deparado com a necessidade de resolver problemas que envolvem a compreensão de dados de alta dimensionalidade. Assim, a utilização de técnicas de aprendizado de máquina tem sido dificultada por limitações na quantidade de exemplos aliada ao excesso de variáveis aleatórias descrevendo os dados. Este trabalho apresenta uma nova abordagem para redução de dimensionalidade dos dados a fim de melhorar a escalabilidade dos algoritmos de aprendizado baseados em redes neurais. São apresentados experimentos que demonstram a eficiência da abordagem proposta na criação de modelos neurais mais simples e mais precisos dos dados.
VI Workshop Bases de Datos y Minería de Datos (WBD)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Learning
Neural nets
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/21207
Acceder
id SEDICI_1944151549e3444cbe8a1c17cbea4acc
oai_identifier_str oai:sedici.unlp.edu.ar:10915/21207
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neuralSilva Camargo, Sandro daEngel, Paulo MartinsCiencias InformáticasLearningNeural netsCientistas das diversas áreas de conhecimento humano têm se deparado com a necessidade de resolver problemas que envolvem a compreensão de dados de alta dimensionalidade. Assim, a utilização de técnicas de aprendizado de máquina tem sido dificultada por limitações na quantidade de exemplos aliada ao excesso de variáveis aleatórias descrevendo os dados. Este trabalho apresenta uma nova abordagem para redução de dimensionalidade dos dados a fim de melhorar a escalabilidade dos algoritmos de aprendizado baseados em redes neurais. São apresentados experimentos que demonstram a eficiência da abordagem proposta na criação de modelos neurais mais simples e mais precisos dos dados.VI Workshop Bases de Datos y Minería de Datos (WBD)Red de Universidades con Carreras en Informática (RedUNCI)2009-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1051-1060http://sedici.unlp.edu.ar/handle/10915/21207info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)porreponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:47:10Zoai:sedici.unlp.edu.ar:10915/21207Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:47:10.681SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
title Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
spellingShingle Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
Silva Camargo, Sandro da
Ciencias Informáticas
Learning
Neural nets
title_short Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
title_full Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
title_fullStr Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
title_full_unstemmed Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
title_sort Uma nova métrica para redução de dimensionalidade em modelos de aprendizado neural
dc.creator.none.fl_str_mv Silva Camargo, Sandro da
Engel, Paulo Martins
author Silva Camargo, Sandro da
author_facet Silva Camargo, Sandro da
Engel, Paulo Martins
author_role author
author2 Engel, Paulo Martins
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Learning
Neural nets
topic Ciencias Informáticas
Learning
Neural nets
dc.description.none.fl_txt_mv Cientistas das diversas áreas de conhecimento humano têm se deparado com a necessidade de resolver problemas que envolvem a compreensão de dados de alta dimensionalidade. Assim, a utilização de técnicas de aprendizado de máquina tem sido dificultada por limitações na quantidade de exemplos aliada ao excesso de variáveis aleatórias descrevendo os dados. Este trabalho apresenta uma nova abordagem para redução de dimensionalidade dos dados a fim de melhorar a escalabilidade dos algoritmos de aprendizado baseados em redes neurais. São apresentados experimentos que demonstram a eficiência da abordagem proposta na criação de modelos neurais mais simples e mais precisos dos dados.
VI Workshop Bases de Datos y Minería de Datos (WBD)
Red de Universidades con Carreras en Informática (RedUNCI)
description Cientistas das diversas áreas de conhecimento humano têm se deparado com a necessidade de resolver problemas que envolvem a compreensão de dados de alta dimensionalidade. Assim, a utilização de técnicas de aprendizado de máquina tem sido dificultada por limitações na quantidade de exemplos aliada ao excesso de variáveis aleatórias descrevendo os dados. Este trabalho apresenta uma nova abordagem para redução de dimensionalidade dos dados a fim de melhorar a escalabilidade dos algoritmos de aprendizado baseados em redes neurais. São apresentados experimentos que demonstram a eficiência da abordagem proposta na criação de modelos neurais mais simples e mais precisos dos dados.
publishDate 2009
dc.date.none.fl_str_mv 2009-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/21207
url http://sedici.unlp.edu.ar/handle/10915/21207
dc.language.none.fl_str_mv por
language por
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
1051-1060
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846063896834605056
score 13.22299

Publicaciones similares