No abstract

a b s t r a c tThis paper presents a methodology to biological image classification through a Rough-Fuzzy Artificial Neural Network (RFANN). This approach is used in order to improve the learning process by Rough Sets Theory (RS) focusing on the feature selection, considering that the RS feature selection allows the use of low dimension features from the image database. This result could be achieved, once the image features are characterized using membership functions and reduced it by Fuzzy Sets rules. The RS identifies the attributes relevance and the Fuzzy relations influence on the Artificial Neural Network (ANN) surface response. Thus, the features filtered by Rough Sets are used to train a Multilayer Perceptron Neuro Fuzzy Network. The reduction of feature sets reduces the complexity of the neural network structure therefore improves its runtime. To measure the performance of the proposed RFANN the runtime and training error were compared to the unreduced features.

No abstract

No abstract

RESUMO Muitas organizações são constantemente estimuladas a inovar em seus processos, produtos e serviços, diferenciando-se da concorrência para conquistar a preferência dos clientes. Uma das formas de inovar é a consecução de projetos que buscam renovar-se frente ao mercado. Não obstante, a gestão desses projetos é necessária para o desenvolvimento de conhecimentos que possam ser utilizados na gestão dos riscos em projetos desenvolvidos pelas empresas. Nesse contexto apresentado, formulou-se a seguinte questão de pesquisa: Quais as relações teóricas entre os processos de gerenciamento de riscos em projetos, da gestão do conhecimento e da tomada de decisão? E, no intuito de responder tal questão, estabeleceu-se o objetivo que foi analisar as relações teóricas entre o gerenciamento de riscos em projetos, gestão do conhecimento e a tomada de decisões, por meio da análise da produção acadêmica sobre estes três elementos. Para tanto, foi realizada uma pesquisa aplicada de caráter exploratório. Em primeiro lugar foram analisadas as estruturas dos três construtos propostos pelos principais autores, para identificar as relações entre elementos constituintes. Em uma segunda etapa, foi realizado um estudo bibliométrico para confirmar as relações identificadas na produção acadêmica. Como resultado, identificaram-se relações teóricas reunidas em um modelo conceitual que apresenta as principais variáveis e respectivos componentes da temática pesquisada. Além disso, o modelo proposto também agrupa as variáveis e respectivos componentes, proporcionando uma visão abrangente das inter-relações existentes entre os temas enfocados, até então independentes entre si, verificou-se também que existem poucas pesquisas sobre o tema, sendo uma problemática que merece atenção de trabalhos futuros.

Assinatura do autor ____________________________ Assinatura do orientador _______________________ FICHA CATALOGRÁFICA Sassi, Renato José Uma arquitetura híbrida para descoberta de conhecimento em bases de dados: teoria dos rough sets e redes neurais artificiais mapas auto-organizáveis / R.J. Sassi.-São Paulo, 2006. 169 p.

Several threats are propagated by malicious websites largely classified as phishing. Its function is important information for users with the purpose of criminal practice. In summary, phishing is a technique used on the Internet by criminals for online fraud. The Artificial Neural Networks (ANN) are computational models inspired by the structure of the brain and aim to simulate human behavior, such as learning, association, generalization and abstraction when subjected to training. In this paper, an ANN Multilayer Perceptron (MLP) type was applied for websites classification with phishing characteristics. The results obtained encourage the application of an ANN-MLP in the classification of websites with phishing characteristics.

ResumoNas últimas décadas, o Brasil passou por diversas transformações, passando de uma economia fechada para uma economia de mercado. Ao transporte, tratamento e distribuição de encomendas restaram acompanhar essas tendências. Em razão disso, o serviço de entrega de encomendas tornou-se altamente complexo e competitivo. Nesse contexto, a previsão da demanda de encomendas surge como diferencial, levando produtividade estruturada e alto nível de serviço ao cliente. O objetivo do artigo é prever a demanda diária de encomendas em um Centro de Tratamento de Encomendas (CTE), durante quinze dias, utilizando Redes Neurais Artificiais (RNAs). A síntese metodológica do artigo consiste no desenvolvimento de uma Rede Neural Artificial do tipo Multilayer Perceptron (MLP), treinada através do algoritmo de error back-propagation. Os dados para a realização dos experimentos foram coletados durante 60 dias úteis, 45 dias para treinamento e 15 dias para teste. Os resultados obtidos com a utilização das RNAs na previsão da demanda de encomendas apresentaram boa aderência aos dados experimentais nas fases de treinamento e teste.