TCC
Algoritmo de aprendizado de máquina e representação de incerteza em sistemas baseados em conhecimento sob a ótica de funções de pertinência aproximada
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
A Teoria de Conjuntos Aproximados tem sido utilizada em várias áreas de
pesquisa, principalmente naquelas relacionadas com representação de conhecimento
e aprendizado de máquina. Este trabalho investiga a possibilidade do uso
de funções de pertinência aproximada (uma extensão das funções de pertinência
clássicas no contexto de conjuntos aproximados) para auxiliar e modelar a construção
de algoritmos de aprendizado de máquina e representação de incerteza.
Abstract
The Rough Sets Theory has been used in various areas of research, especially
those related to knowledge reasoning and machine learning. This work investigates
the possibility of using rough membership functions (an extension of the
classical membership functions in the context of rough sets) to help and model the
construction of machine learning algorithms and representation of uncertainty.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
BERNARDES, J. A. B. Algoritmo de aprendizado de máquina e representação de incerteza em sistemas baseados em conhecimento sob a ótica de funções de pertinência aproximada. 2010. 108 p. Monografia (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2010.