Dissertação

Técnicas de Visualização de Mapas Auto-Organizados EVALUATED

Ao longo da sua vida, o ser humano aprendeu, através da análise de padrões a conseguir formular hipóteses e, deste modo, descobrir novas regras. Na era digital o volume de dados é incalculável para poder ser observado pelo homem num prazo razoável. Os humanos são seres limitados o que faz com que a identificação de padrões possa falhar com frequência. É necessário fornecer conhecimento aos computadores para que estes consigam detectar novos padrões entre os dados. As redes neuronais tentam simular de um modo computacional o cérebro humano, incluindo o seu comportamento, isto é, errando e aprendendo, fazendo descobertas. Os self-organizing maps fazem parte de um grupo de redes neuronais baseadas em redes competitivas e a competição é usada como forma de aprendizagem. Tentam encontrar semelhanças entre os dados, baseando-se apenas nos de entrada, agrupando os dados que são semelhantes entre si, formando clusters. A aprendizagem dos self-organizing maps é não supervisionada, ou seja, consegue adaptar o seu comportamento, sem ter a intervenção do ser humano e sem necessidade de haver conhecimento a priori. Os mapas conseguem fazer as associações entre as observações feitas e o resultado esperado. O seu resultado possibilita melhoramentos nas decisões futuras. Esta dissertação tem como objectivo melhorar a rapidez da aprendizagem dos self-organizing maps e a apresentação de um modo possível para visualizar mapas de grandes dimensões, já que esta é a única forma de se conseguir perceber se o processo de aprendizagem foi conseguido.
mapas de Kohonen, self-organizing maps, redes neuronais, clusters, data mining, visualização, aprendizagem

Novembro 3, 2011, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Andreas Miroslaus Wichert

Departamento de Engenharia Informática (DEI)

Professor Auxiliar