Perceptron Multi Classe
Mostrando 1-4 de 4 artigos, teses e dissertações.
-
1. Novos critérios para seleção de modelos neurais em problemas de classificação com dados desbalanceados
Redes Neurais Artificiais induzidas por conjuntos de treinamento complexos e altamente desbalanceados tendem a produzir modelos de classificação que favorecem a classe com maior probabilidade de ocorrência (majoritária). Embora na literatura existam soluções propostas para esse problema, apenas uma quantidade limitada de trabalhos tem investigado as su
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 31/10/2011
-
2. Predição de Dados Estruturados Utilizando a Formulação Perceptron com Aplicação em Planejamento de Caminhos
O problema de planejamento de caminhos apresenta diversas subareas, muitas das quais ja extensamente abordadas na literatura. Uma dessas areas em especial e a de determina c~ao de caminhos, os algoritmos empregados para a soluc~ao deste problema dependem que os custos estipulados para os ambientes ou mapas sejam conaveis. A diculdade esta justamente na denic
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 18/06/2010
-
3. Aprendizado De MÃquina Na DetecÃÃo Do Uso Do Solo No Bioma Caatinga Via Sensoriamento Remoto / REMOTE SENSING AND MACHINE LEARNING APPLIED TO SOIL USE DETECTION IN CAATINGA BIOMA
O manejo adequado dos recursos naturais em ambientes frÃgeis, como o da Caatinga, requer o conhecimento de suas propriedades e distribuiÃÃo espacial. Desta forma, o presente trabalho propÃe uma abordagem para a classificaÃÃo de imagens do satÃlite LANDSAT-5, correspondente a uma regiÃo semiÃrida localizada no municÃpio de Iguatu no Estado do CearÃ
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 06/03/2009
-
4. Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais
O objetivo principal deste trabalho é propor uma metodologia de classificação de imagens de sensoriamento remoto que integre a importância de atributos de textura na seleção de feições, através da utilização de freqüências espaciais de cada classe textural e sua direção, com a eficiência das redes neurais artificiais para classificá-las. O p
Publicado em: 2007