Aspectos matemáticos do problema de aprendizagem em inteligência artificial
AUTOR(ES)
Moraes, Jean Carlos Pech de
DATA DE PUBLICAÇÃO
2007
RESUMO
O objetivo deste trabalho é apresentar a base teórica para o problema de aprendizagem através de exemplos conforme as ref. [14], [15] e [16]. Aprender através de exemplos pode ser examinado como o problema de regressão da aproximação de uma função multivaluada sobre um conjunto de dados esparsos. Tal problema não é bem posto e a maneira clássica de resolvê-lo é através da teoria de regularização. A teoria de regularização clássica, como será considerada aqui, formula este problema de regressão como o problema variacional de achar a função f que minimiza o funcional Q[f] = 1 n n Xi=1 (yi ¡ f(xi))2 + ¸kfk2 K; onde kfk2 K é a norma em um espa»co de Hilbert especial que chamaremos de Núcleo Reprodutivo (Reproducing Kernel Hilbert Spaces), ou somente RKHS, IH definido pela função positiva K, o número de pontos do exemplo n e o parâmetro de regularização ¸. Sob condições gerais a solução da equação é dada por f(x) = n Xi=1 ciK(x; xi): A teoria apresentada neste trabalho é na verdade a fundamentação para uma teoria mais geral que justfica os funcionais regularizados para a aprendizagem através de um conjunto infinito de dados e pode ser usada para estender consideravelmente a estrutura clássica a regularização, combinando efetivamente uma perspectiva de análise funcional com modernos avanços em Teoria de Probabilidade e Estatística.
ASSUNTO(S)
inteligência artificial teoria da aproximacao analise funcional
ACESSO AO ARTIGO
http://hdl.handle.net/10183/7766Documentos Relacionados
- Diagnóstico de faltas em sistemas de potência: definição do problema e abordagens via inteligência artificial
- Desafios bioéticos do uso da inteligência artificial em hospitais
- Inteligência Artificial
- Paraconsistência em informática e inteligência artificial
- A aplicação de modelos matemáticos em situações-problema empresariais, com uso do software LINDO