Aplicação de conceitos de redes complexas para a descoberta de formação de grupos em mapas auto-organizáveis
Redes 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...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2021 |
| País: | Brasil |
| Institución: | Universidade Presbiteriana Mackenzie (MACKENZIE) |
| Repositorio: | Repositório Digital do Mackenzie |
| Idioma: | portugués inglés |
| OAI Identifier: | oai:dspace.mackenzie.br:10899/29276 |
| Acceso en línea: | https://dspace.mackenzie.br/handle/10899/29276 |
| Access Level: | acceso abierto |
| Palabra clave: | mapa auto-organizado redes neurais redes complexas grafos medidas de centralidades u-matrix dendrogramas aprendizado de máquina agrupamento não supervisionado |
| Sumario: | Redes 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. |
|---|