English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Os Sistemas Baseados em Regras Fuzzy (SBRF) tem sido amplamente usados para a resolucao de diversos tipos de problemas, tais como, controle (Leephakpreeda, 2011), modelagem (Pedrycz, 1996), classificacao (Ishibuci, 1995). A maneira mais comum para a aquisicao do conhecimento de um SBRF e a partir de dados numericos, os quais representam amostras ou exemplos do problema. As formas mais bem-sucedidas de extracao automatica de conhecimento a partir de dados para a construcao de SFBR sao as que combinam metodologias para aprendizado de maquina com conceitos de sistemas fuzzy. Entre elas, destacam-se as Redes Neurais Artificiais e a Computacao Evolutiva (Cordon et al, 2001). Os Algoritmos Geneticos Multiobjetivo (AGMO), vem demonstrando ser uma poderosa ferramenta para a construcao automatica (ou projeto automatico) de SBRF. No entanto, este processo e fortemente influenciado pela quantidade de instâncias e caracteristicas presentes nas bases de dados, que afetam o tamanho do espaco de busca e o tempo computacional. Por isso, a reducao de dados e de fundamental importância para reduzir o tempo de aprendizado do SBRF e amenizar as dificuldades durante o processo de convergencia dos algoritmos evolutivos. A reducao de dados, neste caso, a selecao de instâncias, e um problema multiobjetivo, pois busca-se reduzir a base de dados, e ao mesmo tempo, manter o desempenho do classificador estavel ou superior, quando comparado com a base de dados original. Portanto, este trabalho possui o objetivo de investigar a aplicacao de Algoritmos Geneticos Multiobjetivo para a selecao de instâncias de grandes bases de dados.

SELEÇÃO DE INSTÂNCIAS DE GRANDES BASES DE DADOS USANDO ALGORITMOS EVOLUTIVOS MULTIOBJETIVO