• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.55.2018.tde-19032018-163827
Documento
Autor
Nombre completo
Claudia Regina Milaré
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 1997
Director
Tribunal
Carvalho, André Carlos Ponce de Leon Ferreira de (Presidente)
Monard, Maria Carolina
Zaverucha, Gerson
Título en portugués
Sistema híbrido: raciocínio baseado em casos e redes neurais
Palabras clave en portugués
Não disponível
Resumen en portugués
Os processos de recuperação e aprendizado de casos, que exercem um papel fundamental, em sistemas de Raciocínio Baseado em Casos, não são fáceis de serem desenvolvidos. Estes dois processos são bastante dependentes. Os casos devem ser recuperados rapidamente da memória para o sistema de Raciocínio Baseado em Casos ser eficiente. Isto implica em estruturas mais elaboradas para armazenálos, organizá-los e recuperá-los. Quando um conhecimento novo é incorporado ao sistema (aprendizado), a reorganização dos casos na memória torna-se muito complexa devido justamente à estas estruturas. O principal objetivo deste trabalho é a integração de Raciocínio Baseado em Casos e Redes Neurais. Neste trabalho, uma Rede Neural, modelo ART1, é utilizada para auxiliar na recuperação e aprendizado de casos em um sistema de Raciocínio Baseado em Casos.
Título en inglés
Not available
Palabras clave en inglés
Not available
Resumen en inglés
The retrieval and learning phases, which plays a fundamental role in a Case Based Reasoning system, usually are not easy to design. These processes strongly depend on each other. For a Case Based Reasoning system to be considered efficient, suitable cases must be fastly retrieved. For such, complex structures have been used. However, these structures makes harder the learning of new cases. This work proposes a Case Based Reasoning system which uses Neural Networks to retrieve stored cases and learn new cases. The network used, ARTI, supports incremental learning and groups cases in clusters by extracting features from the cases, which can later be used to retrieve cases.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2018-03-19
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.