skip to main content
Idioma:
Tipo de recurso Mostra resultados com: Mostra resultados com: Índice

Aquisição de Conhecimento Utilizando Aprendizado de Máquina Relacional

Caulkins, Chandler Wellington

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação 2000-08-17

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Aquisição de Conhecimento Utilizando Aprendizado de Máquina Relacional
  • Autor: Caulkins, Chandler Wellington
  • Orientador: Monard, Maria Carolina
  • Assuntos: Não Disponível; Not Available
  • Notas: Dissertação (Mestrado)
  • Notas Locais: impresso
  • Descrição: Aprendizado de Máquina AM é uma área de Inteligência Artificial IA que estuda métodos computacionais para adquirir novos conhecimentos bem como meios de organizar o conhecimento já existente. Para isso, são necessárias linguagens de descrição de objetos e de conceitos aprendidos. Elas podem ser divididas em dois tipos: baseadas em atributos, ou proposicionais, e relacionais. Sistemas de AM proposicional têm sido aplicados com relativo sucesso, utilizando dados no formato atributo-valor. No entanto, são incapazes de aprender relações em função da linguagem que utilizam. Programação Lógica Indutiva PLI é uma abordagem recente dentro de AM que faz uso de uma linguagem de descrição relacional baseada em lógica de primeira ordem, de modo que consegue aprender relações entre os objetos. Todo problema que pode ser resolvido por um sistema de aprendizado proposicional pode, em princípio, ser resolvido por um sistema de aprendizado relacional, desde que os fiados estejam devidamente formatados. Uma série de ferramentas foi por nós implementada para converter os dados do formato atributo-valor para o formato relacional apropriado de dois sistemas de PLI, FOIL (Quinlan, 1990) e PROGOL (Muggleton, 1995). A partir dessas representações, tornou-se possível analisar o comportamento de cada um deles em bases de dados naturais com características diferentes. Como estudo de caso do mundo real, utiliza-se uma base de dados disponibilizada pelo Programa de Melhoramento Genético da Raça Nelore PMGRN da Universidade de São Paulo em Ribeirão Preto (Làbo et al., 1999). Utilizando os sistemas PLI, adquire-se um conhecimento sobre essa base de dados de gado. Para tanto segue-se uma metodologia baseada no processo KDD (Knowledge Discovery in Databases) descrito em (Fayyad, 1996).
  • DOI: 10.11606/D.55.2018.tde-26022018-145221
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação
  • Data de criação/publicação: 2000-08-17
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.