Redes neurais e sua aplicação em sistemas de recuperação de informação

Ferneda, Edberto

doi:10.1590/s0100-19652006000100003

Cited by 35 publications

(45 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A ideia é reproduzir o processamento de informações do cérebro humano com um modelo artificial de neurônios, que tal como os pares biológicos, se unem funcionalmente com a utilização de conexões, formando, assim, as redes neurais artificiais [6].…”

Section: Rede Neural Artificialunclassified

See 1 more Smart Citation

Aplicação de Inteligência Artificial e Modelos Matemáticos para Previsão de Demanda em uma indústria do ramo plástico

Lima

Corso²

2020

SCI

View full text Add to dashboard Cite

ResumoAs constantes mudanças nos hábitos dos consumidores de utensílios domésticos evidenciam a importância do gerenciamento dos estoques, a fim de reduzir o valor investido e evitar obsolescência. O planejamento estratégico das organizações depende da identificação e previsão correta das mudanças emergentes no mercado. Embora existam diferentes métodos desenvolvidos na leitura, uma das principais dificuldades que se encontra é a escolha do método mais apropriado a ser utilizado. Este estudo tem por objetivo realizar a aplicação de inteligência artificial e métodos matemáticos de previsão de demanda em uma empresa que atua no setor de plásticos e identificar qual técnica apresenta melhores resultados na acuracidade da previsão, onde foram analisadas 365 bases históricas de diferentes produtos. Apresenta-se a comparação de modelos matemáticos com o modelo Redes Neurais Artificiais (RNA). Para a utilização do modelo RNA se desenvolveu um modelo matemático de otimização capaz de encontrar a melhor quantidade de neurônios, função matemática de treinamento e delay da rede por meio de Algoritmos Genéticos, minimizando os erros de previsão. Por meio da análise dos resultados observou-se que o modelo RNA otimizado apresentou menor percentual de erro dos dados realizados quando comparados com os demais modelos aplicados nesse estudo. Desta forma aumentando a confiabilidade e aceitabilidade do modelo, podendo ser utilizado em casos similares. A performance e comparativo estatístico dos métodos foram realizados a partir do MAPE e MAE, onde constatou-se que em 95% das vezes o modelo de RNA com otimização determinou as melhores previsões. Palavras-chaveGestão de estoque, previsão de demanda; rede neural artificial. AbstractThe constant changes in the habits of household appliances consumers highlight the importance of inventory management in order to reduce the amount invested and avoid obsolescence. Strategic planning of organizations depends on identifying and accurately forecasting emerging market changes. One of the biggest difficulties with the use of demand forecasting is the choice of the forecasting method to be used. This study aims to carry out the application of artificial intelligence and mathematical methods of forecasting demand in a company that operates in the plastics sector and to identify which technique presents better results in the accuracy of the forecast, where 365 historical bases of different products were analyzed. The comparison of mathematical models with the Artificial Neural Networks (RNA) model is presented. For the use of the RNA model a mathematical optimization model was developed capable of finding the best amount of neurons and mathematical training and delay function of the network through Genetic Algorithms, minimizing the prediction errors. Through the analysis of the results it was observed that the optimized RNA model presented smaller percentage of error of the data when compared with the other models applied in this study, increasing the reliability and acceptability of the model, b...

show abstract

Section: Rede Neural Artificialunclassified

“…Na literatura, apresentam-se inúmeras técnicas de previsão de demanda, onde, não se pode assegurar qual a melhor técnica a ser aplicada a fim de resolver os problemas de previsão. Entretanto, nos últimos anos as previsões realizadas com o modelo RNA apresentam crescimento nas citações literárias [6].…”

Section: Introductionunclassified

Aplicação de Inteligência Artificial e Modelos Matemáticos para Previsão de Demanda em uma indústria do ramo plástico

Lima

Corso²

2020

SCI

View full text Add to dashboard Cite

show abstract

“…No aprendizado supervisionado, em oposição ao não-supervisionado, um agente externo apresenta à RNA alguns padrões de entrada e seus correspondentes padrões de saída. Portanto, é necessário ter um conhecimento prévio do comportamento que se deseja ou se espera da rede, como esclarece [10]. O aprendizado depende de um algoritmo que modifica os pesos de acordo com as saídas da RNA em cada sessão de treinamento.…”

Section: Redes Neurais Artificiaisunclassified

Untitled

Nascimento¹,

Filho²,

Guimarães³

2019

View full text Add to dashboard Cite

The classification of supernovae (explosions of certain stars) divides them into two main types, those of type I do not present Hydrogen in the spectrum while those of type II present. In addition to the division into these two types, there is still a subdivision that establishes types Ia, Ib and Ic. In practice, the classification of supernovae requires specialized knowledge of astronomers and data (light spectra) of good quality. Some automatic/intelligent classifiers have been developed and are reported in the literature, one of them is CIntIa, which uses 4 Artificial Neural Networks to classify supernovae types Ia, Ib, Ic and II. The objective of this work is to improve CIntIa, so that it has more diversity in its learning, proposing CIntIa 2.0. In this way, this work is a hierarchical learning structure that connects Artificial Neural Networks in an integrated system that allows a more secure and unambiguous classification. The computational improvement of this new version included the increased amount of data used at all stages of development of intelligent classifier and a new approach to filtering and processing of spectral data, ensuring better quality of information that are to be trained networks. The results achieved were good, especially in the classification of types Ia and II. A comparison with the works found in the literature shows that CIntIa 2.0 is superior in quantity and diversity of data and achieves higher classification indices than the other classifiers. Resumo A classificação das supernovas (explosões de certas estrelas) as divide em dois tipos principais, as do tipo I não apresentam Hidrogénio no espectro enquanto as do tipo II apresentam. Além da divisão nesses dois tipos, há ainda uma subdivisão que estabelece os tipos Ia, Ib e Ic. Na prática, a classificação das supernovas exige o conhecimento especializado de astrónomos e dados (espectros de luz) de boa qualidade. Alguns classificadores automáticos/inteligentes foram desenvolvidos e são reportados na literatura, um deles é a CIntIa, que usa 4 Redes Neurais Artificiais individuais para classificar as supernovas nos tipos Ia, Ib, Ic e II. O objetivo deste trabalho é aperfeiçoar a CIntIa, a fim de que ela tenha mais diversidade em seu aprendizado, propondo a CIntIa 2.0. Dessa maneira, este trabalho propõe uma estrutura de aprendizado hierárquica que conecta as Redes Neurais Artificiais individuais em um sistema integrado permitindo uma classificação mais segura e não ambígua. O aprimoramento computacional desta nova versão compreendeu o aumento da quantidade de dados usados em todas as fases de desenvolvimento do classificador inteligente e uma nova abordagem na filtragem e processamento dos dados espectrais, garantindo mais qualidade nas informações que são submetidas ao treinamento das redes. Os resultados obtidos com este aprimoramento demonstram um bom desempenho, principalmente na classificação dos tipos Ia e II. Uma comparação com os trabalhos encontrados na literatura mostra que a CIntIa 2.0 é superior em quantidade e diversidad...

show abstract

“…É uma tentativa de simular a maneira pela qual são processadas informações no cérebro. Na aplicação de RNA relatada por Ferneda (2006), destaca-se o caráter dinâmico associado à recuperação de informação, uma vez que as representações dos documentos podem ser reavaliadas e alteradas de acordo com a especificação de relevância atribuída pelos usuários aos documentos recuperados. Entre os documentos recuperados podem surgir alguns que não estão diretamente relacionados aos termos de busca, mas que foram inferidos durante a pesquisa e possuem algum grau de relacionamento com a necessidade de informação do usuário.…”

Section: Estudo De Caso Sobre a Aplicação De Análise De Conteúdo E Anunclassified

Aplicação prática dos processos de análise de conteúdo e de análise de citações em artigos relacionados às Redes Neurais Artificiais

Meireles

Cendón²

2011

Inf. Inf.

View full text Add to dashboard Cite

ResumoAnálises de conteúdo e de citações são metodologias que se valem da inferência e da interpretação para obter informações relevantes contidas em um conjunto de documentos. Estes métodos são amplamente discutidos na literatura, mas são poucos os artigos encontrados nos quais se descreve e exemplifica sua aplicação em estudos de caso específicos. Este artigo apresenta um estudo de caso que tem o duplo propósito de demonstrar o uso dos métodos citados para análise de um conjunto de documentos e de mostrar o potencial da sua utilização conjunta para a recuperação de informação. O artigo apresenta, inicialmente, as abordagens teóricas relativas aos dois métodos e a caracterização do material empírico da pesquisa, que utilizou artigos sobre Redes Neurais Artificiais. A seguir, são descritas as categorias semânticas utilizadas na análise de conteúdo e as variáveis selecionadas para a análise de citações. Por meio de análises quantitativas e qualitativas, exemplifica-se o uso da análise de citações e da análise de conteúdo e demonstra-se, ainda, que elas podem ser utilizadas de modo integrado para a obtenção de metadados a respeito de coleções de documentos.

show abstract

Redes neurais e sua aplicação em sistemas de recuperação de informação

Abstract: Resumo

Cited by 35 publications

References 4 publications

Aplicação de Inteligência Artificial e Modelos Matemáticos para Previsão de Demanda em uma indústria do ramo plástico

Aplicação de Inteligência Artificial e Modelos Matemáticos para Previsão de Demanda em uma indústria do ramo plástico

Untitled

Aplicação prática dos processos de análise de conteúdo e de análise de citações em artigos relacionados às Redes Neurais Artificiais

Contact Info

Product

Resources

About