Metodologia Incremental para Agrupamento em Fluxos Contínuos de Dados

Neto, José Maia; Castro, Cristiano Leite de; Lemos, André Paim; Gade, Liliane Reis

doi:10.21528/cbic2017-40

Cited by 1 publication

(2 citation statements)

References 11 publications

(18 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…em que m representa o número de desvios padrão distantes da média que uma amostra deve estar para ser considerada um outlier. Tendo em vista que o tamanho da amostra influencia no rigor do limiar para definic ¸ão de outliers, Neto et al [13] propuseram um critério de detecc ¸ão de outlier m que varia em func ¸ão de k. Desse modo, tem-se uma func ¸ão m(k) que permite que a definic ¸ão da quantidade de desvios padrão necessária para que uma amostra seja considerada outlier seja ajustada de maneira dinâmica ao longo do tempo. A func ¸ão m(k) se assemelha a uma sigmoide, conforme…”

Section: M éTodo Proposto O Método Proposto Intitulado Irbf (Incremental Radialunclassified

See 1 more Smart Citation

Aprendizado Incremental de Redes RBF via Agrupamento Evolutivo de Fluxos de Dados

Menegaldi¹,

Coelho²,

Castro³

2021

Anais Do 15. Congresso Brasileiro De Inteligência Computacional

Self Cite

View full text Add to dashboard Cite

Em virtude da era do Big Data e dos dispositivos IoT (Internet of Things), onde diversas aplicações presentes no cotidiano das pessoas geram dados a todo momento, surgiu uma demanda por modelos de aprendizado de máquina que são capazes de operar eficientemente em fluxos de dados contínuos. Na literatura há inúmeros algoritmos propostos para esse cenário, entretanto, em sua maioria, tratam-se de modelos de elevada complexidade e que tipicamente requerem o ajuste de diversos hiperparâmetros. O presente trabalho propõe uma maneira simples e eficaz de se definir a topologia da camada escondida da rede neural de base radial, dando a ela a capacidade de aprender incrementalmente. Esta abordagem baseia-se no algoritmo de clusterização evolutiva MicroTeda, tornando possível a atualização da arquitetura da rede à medida que novas amostras de dados são recebidas. Resultados preliminares obtidos sobre bases de dados sintéticas e reais demonstram que a abordagem proposta é promissora mesmo diante de mudanças de conceito (concept drifts) abruptas e graduais.

show abstract

Section: M éTodo Proposto O Método Proposto Intitulado Irbf (Incremental Radialunclassified

“…Seja m i o i-ésimo micro-grupo em um determinado instante, cada micro-grupo é definido por um conjunto de parâmetros que são atualizados sempre que uma nova observac ¸ão é obtida. Tais parâmetros são [13]:…”

Section: B Micro-gruposunclassified