Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19048
Title: | Estimação de grafos não direcionais aplicada à aprendizagem de máquina. |
Other Titles: | Estimation of non-directional graphs applied to machine learning. |
???metadata.dc.creator???: | CARDOSO, José Vinícius de Miranda. |
???metadata.dc.contributor.advisor1???: | QUEIROZ, Wamberto José Lira de. |
???metadata.dc.contributor.referee1???: | GURJÃO, Edmar Candeia. |
Keywords: | Grafos não direcionais - estimação.;Aprendizagem de máquina;Matriz Laplaciana de grafos não direcionais;Estimador - Matriz Laplaciana de grafos;Teoria dos grafos;Processo Estocástico Gaussiano;Teoria da estimação;Estimação de Máxima Verossimilhança;Estimação de Máxima Probabilidade a Posteriori;Non-directional graphs - estimation.;Machine learning;Laplacian matrix of non-directional graphs;Estimator - Laplacian Graph Matrix;Theory of graphs;Gaussian Stochastic Process;Theory of estimation;Maximum Likelihood Estimation;Maximum Probability Estimation a posteriori |
Issue Date: | 2019 |
Publisher: | Universidade Federal de Campina Grande |
Citation: | CARDOSO, José Vinícius de Miranda. Estimação de grafos não direcionais aplicada à aprendizagem de máquina. 2019. 30f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19048 |
???metadata.dc.description.resumo???: | Sistemas dinâmicos podem ser modelados como grafos não direcionais em que os vértices (ou nós) representam os dispositivos do sistema e as arestas representam as possíveis interconexões entre tais dispositivos. Após o advento das redes heterogêneas, que possibilitou a interconexão massiva de dispositivos distintos operando em diferentes protocolos, a análise de dados provenientes destes dispositivos se tornou uma tarefa indispensável para extração de informações sobre a estrutura de um determinado sistema dinâmico. Desta forma, este trabalho propõe um estimador para a matriz Laplaciana de grafos não direcionais com o intuito de inferir a estrutura e consequentemente as interconexões (correlações) entre os dispotivos envolvidos. Utilizou-se a abordagem Bayesiana para consider as características espectrais da matriz Laplaciana no projeto do estimador. O estimador proposto foi aplicado em tarefas de clusterização de dados que está inserida na área de aprendizagem de máquina não supervisionada. Os resultados obtidos indicam que o estimador possui um desempenho satisfatório, correspondente aos resultados obtidos por algoritmos de clusterização espectral publicados na literatura. |
Abstract: | Dynamical systems may be modelled as undirected graphs in which the nodes represent the devices of the system and the edges represent possible connections amongst them. After the rapid development of heterogeneous networks, which provided a massive interconnection for different types of devices, the analysis of data outputed from these devices has become a paramount task to understand the structure underpinning such dynamical systems. In this way, this work proposes an estimator for the Laplacian matrix of undirected graphs in order to infer the structure and thus the interconnections (correlations) amongst the devices. We have used the Bayesian approach in order to take into account the spectral properties of the Laplacian matrix into the project of the estimator. The proposed estimator was applied in data clustering, which is a subfield of unsupervised machine learning. The experimental results indicate that the estimator’s performance is satisfactory, and it is expected when compared with results available in the literature |
Keywords: | Grafos não direcionais - estimação. Aprendizagem de máquina Matriz Laplaciana de grafos não direcionais Estimador - Matriz Laplaciana de grafos Teoria dos grafos Processo Estocástico Gaussiano Teoria da estimação Estimação de Máxima Verossimilhança Estimação de Máxima Probabilidade a Posteriori Non-directional graphs - estimation. Machine learning Laplacian matrix of non-directional graphs Estimator - Laplacian Graph Matrix Theory of graphs Gaussian Stochastic Process Theory of estimation Maximum Likelihood Estimation Maximum Probability Estimation a posteriori |
???metadata.dc.subject.cnpq???: | Engenharia Elétrica. |
URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19048 |
Appears in Collections: | Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
JOSÉ VINÍCIUS DE MIRANDA CARDOSO - TCC ENG. ELÉTRICA 2019.pdf | José Vinícius de Miranda Cardoso - TCC Eng. Elétrica 2019. | 2.49 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.