Otto Moura Machado Filho
Título
Ambiente de Mineração de Dados Utilizando Redes Neurais Otimizadas por Algoritmos Genéticose Técnica de Visualização
Resumo
Mineração de dados consiste no processo de exploração e análise de dados com o objetivo de descobrir regras ou padrões previamente desconhecidos. Uma das técnicas mais empregadas baseia-se na metáfora cerebral, sendo, por isso, conhecida como Rede Neural Artificial (RNA). Este trabalho trata do desenvolvimento de um ambiente de mineração de dados que utiliza dois modelos de RNA, Multi Layer Perceptron (MLP) e Radial Basis Function (RBF), em problemas de classificação e predição de dados. O método dos Algoritmos Genéticos (AG) foi utilizado para suportar a RNA na determinação de sua topologia e na extração de suas regras. Outra funcionalidade disponibilizada é uma nova metodologia, baseada em técnica de visualização de dados multidimensionais, para otimização da topologia de redes RBF. A plataforma de desenvolvimento utilizada foi o MS Excel, o que possibilita uma fácil e rápida adaptação ao uso. Experimentos computacionais são realizados para avaliar o comportamento e o desempenho da implementação.
Abstract
Data Mining consists in a process of data exploration and analyses with the purpose of finding rules and patterns previously unknown. One of the most applied Data Mining techniques is based on the cerebral metaphor, being known, in consequence, as Artificial Neural Nets (ANN). This work deals with the development of a Data Mining environment which enables two ANN models, Multi Layer Perceptron (MLP) and Radial Basis Function (RBF), for data classification and prediction problems. The Genetic Algorithm (GA) method is applied to support the ANN on its topology definition and rules extraction. Another available functionality is a new methodology, based on a visualization technique, for RBF network topology optimization. The development platform was the MS Excel, which enables a fast and easy adaptation for the users. Computational experiments are applied to evaluate the implementation behavior and performance.
