BDBComp
Parceria:
SBC
Uma abordagem de poda para máquinas de aprendizado extremo via algoritmos genéticos

Dinâmica das Relações de Coautoria nos Programas de Pós-Graduação em Computação no Brasil

Alisson S. C. AlencarAjalmar R. da Rocha Neto

Luciano A. DigiampietriJesús P. Mena-ChalcoGabriela S. SilvaLeonardo B. OliveiraAna Paula MalheirosDania Meira

Redes neurais de alimentação direta com uma única camada oculta podem aproximar qualquer função contínua. O algoritmo de ajuste de pesos mais comumente aplicado a esse tipo de rede é o de retropropagação do erro (error backpropagation), que se baseia no gradiente descendente, mas que possui convergência, em geral, lenta. Apesar de ser viável o ajuste de várias camadas ocultas, a maioria dos problemas do mundo real raramente precisa de mais de uma camada escondida. Este fato motivou o desenvolvimento de técnicas de aprendizado específicas para redes de alimentação direta com uma única camada, tais como as Máquinas de Aprendizado Extremo. Máquina de Aprendizado Extremo é uma técnica com menor custo temporal, mas que muitas vezes precisa de uma grande quantidade de neurônios na camada escondida. Apesar deste baixo custo temporal, para avaliação de um exemplo de teste os neurônios usados na camada oculta devem ser guardados para que seja possível realizar o mesmo mapeamento não-linear antes do processo de avaliação do padrão. Esta necessidade aumenta o custo computacional temporal, bem como em termos de armazenamento. Tal necessidade pode se tornar um fator proibitivo, principalmente em sistemas com escassos recursos computacionais. Neste trabalho propõe-se uma estratégia de poda de neurônios ocultos em redes ELM via Computação Evolucionária, mais especificamente Algoritmos Genéticos. A proposta apresentada neste trabalho aplica técnicas de otimização multi-objetivo com o intuito de minimizar tanto a quantidade de neurônios na camada oculta quanto manter (ou até mesmo) reduzir o erro de classificação gerado pela rede. Este trabalho descreve as bases para um estudo da dinâmica de relações de coautoria entre pesquisadores associados aos programas de pósgraduação em Ciência da Computação avaliados pela CAPES no triênio 2007-2009. Ao todo, foram identificados 889 pesquisadores permanentes nos 45 programasde pós-graduação avaliados. Uma heurística robusta de resolução de entidades foi desenvolvida, possibilitando a identificação das relações de coautoriaentre pesquisadores, com uma taxa de acerto superior a 96%. Através da observação das redes de coautoria é possível observar fenômenos interessantesda dinâmica da pesquisa brasileira, especialmente relacionados ao aumento da produção conjunta inter e intra programas de pós-graduação.

http://www.lbd.dcc.ufmg.br/colecoes/eniac/2014/0060.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD