dc.creator.ID |
CARDOSO, J. V. M. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/3267230342393209 |
pt_BR |
dc.contributor.advisor1 |
QUEIROZ, Wamberto José Lira de. |
|
dc.contributor.advisor1ID |
QUEIROZ, W. J. L. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/7663004390139625 |
pt_BR |
dc.contributor.referee1 |
GURJÃO, Edmar Candeia. |
|
dc.contributor.referee1ID |
GURJÃO, E. C. |
pt_BR |
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. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica. |
pt_BR |
dc.title |
Estimação de grafos não direcionais aplicada à aprendizagem de máquina. |
pt_BR |
dc.date.issued |
2019 |
|
dc.description.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 |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19048 |
|
dc.date.accessioned |
2021-05-26T19:40:53Z |
|
dc.date.available |
2021-05-26 |
|
dc.date.available |
2021-05-26T19:40:53Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Grafos não direcionais - estimação. |
pt_BR |
dc.subject |
Aprendizagem de máquina |
pt_BR |
dc.subject |
Matriz Laplaciana de grafos não direcionais |
pt_BR |
dc.subject |
Estimador - Matriz Laplaciana de grafos |
pt_BR |
dc.subject |
Teoria dos grafos |
pt_BR |
dc.subject |
Processo Estocástico Gaussiano |
pt_BR |
dc.subject |
Teoria da estimação |
pt_BR |
dc.subject |
Estimação de Máxima Verossimilhança |
pt_BR |
dc.subject |
Estimação de Máxima Probabilidade a Posteriori |
pt_BR |
dc.subject |
Non-directional graphs - estimation. |
pt_BR |
dc.subject |
Machine learning |
pt_BR |
dc.subject |
Laplacian matrix of non-directional graphs |
pt_BR |
dc.subject |
Estimator - Laplacian Graph Matrix |
pt_BR |
dc.subject |
Theory of graphs |
pt_BR |
dc.subject |
Gaussian Stochastic Process |
pt_BR |
dc.subject |
Theory of estimation |
pt_BR |
dc.subject |
Maximum Likelihood Estimation |
pt_BR |
dc.subject |
Maximum Probability Estimation a posteriori |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
CARDOSO, José Vinícius de Miranda. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Estimation of non-directional graphs applied to machine learning. |
pt_BR |
dc.identifier.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 |
pt_BR |