Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

Sorted by: relevance · author · university · dateNew search

You searched for subject:( Poda Neural). Showing records 1 – 3 of 3 total matches.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Cardozo Vera , Karen Viviana. Sinestesia: Perspectiva histórica, Modelamiento neural y efectos antropológicos.

Degree: 2013, Universidad de los Andes

La Sinestesia es una condición neurológica donde ciertos eventos mentales conscientes inducen la percepción de un evento sensorial inesperado adicional a la experiencia típica durante tal evento. Este tipo de eventos ocurren usualmente en dos modalidades distintas, por ejemplo, en algunas formas de sinestesia es común asociar sonidos a aromas o sensaciones táctiles. Este documento contiene una revisión histórica de la sinestesia y algunos personajes que la incorporaron a sus vidas y carreras. También cubre los modelos neurales antiguos y modernos que se usan para describir y estudiar este fenómeno al igual que las asociaciones psicológicas que se han visto en el mismo. Advisors/Committee Members: Molina Escobar Jorge Alberto (advisor).

Subjects/Keywords: Sinestesia; Córtex visual; Poda Neural; Modelos neurales.

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Cardozo Vera , K. V. (2013). Sinestesia: Perspectiva histórica, Modelamiento neural y efectos antropológicos. (Thesis). Universidad de los Andes. Retrieved from http://documentodegrado.uniandes.edu.co/documentos/200512463_fecha_2013_10_28_hora_19_21_12_parte_1.pdf

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Chicago Manual of Style (16th Edition):

Cardozo Vera , Karen Viviana. “Sinestesia: Perspectiva histórica, Modelamiento neural y efectos antropológicos. ” 2013. Thesis, Universidad de los Andes. Accessed August 20, 2019. http://documentodegrado.uniandes.edu.co/documentos/200512463_fecha_2013_10_28_hora_19_21_12_parte_1.pdf.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

MLA Handbook (7th Edition):

Cardozo Vera , Karen Viviana. “Sinestesia: Perspectiva histórica, Modelamiento neural y efectos antropológicos. ” 2013. Web. 20 Aug 2019.

Vancouver:

Cardozo Vera KV. Sinestesia: Perspectiva histórica, Modelamiento neural y efectos antropológicos. [Internet] [Thesis]. Universidad de los Andes; 2013. [cited 2019 Aug 20]. Available from: http://documentodegrado.uniandes.edu.co/documentos/200512463_fecha_2013_10_28_hora_19_21_12_parte_1.pdf.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Council of Science Editors:

Cardozo Vera KV. Sinestesia: Perspectiva histórica, Modelamiento neural y efectos antropológicos. [Thesis]. Universidad de los Andes; 2013. Available from: http://documentodegrado.uniandes.edu.co/documentos/200512463_fecha_2013_10_28_hora_19_21_12_parte_1.pdf

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

2. ClÃudio Marques de SÃ Medeiros. Uma contribuiÃÃo ao problema de seleÃÃo de modelos neurais usando o princÃpio de mÃxima correlaÃÃo dos erros.

Degree: PhD, 2008, Universidade Federal do Ceará

PropÃe-se nesta tese um mÃtodo de poda de pesos para redes Perceptron Multicamadas (MLP). TÃcnicas clÃssicas de poda convencionais, tais como Optimal Brain Surgeon(OBS) e Optimal Brain Damage(OBD), baseiam-se na anÃlise de sensibilidade de cada peso da rede, o que requer a determinaÃÃo da inversa da matriz Hessiana da funÃÃo-custo. A inversÃo da matriz Hessiana, alÃm de possuir um alto custo computacional, à bastante susceptÃvel a problemas numÃricos decorrentes do mal-condicionamento da mesma. MÃtodos de poda baseados na regularizaÃÃo da funÃÃo-custo, por outro lado, exigem a determinaÃÃo por tentativa-e-erro de um parÃmetro de regularizaÃÃo. Tendo em mente as limitaÃÃes dos mÃtodos de poda supracitados, o mÃtodo proposto baseia-se no "PrincÃpio da MÃxima CorrelaÃÃo dos Erros" (MAXCORE). A idÃia consiste em analisar a importÃncia de cada conexÃo da rede a partir da correlaÃÃo cruzada entre os erros em uma camada e os erros retropropagados para a camada anterior, partindo da camada de saÃda em direÃÃo à camada de entrada. As conexÃes que produzem as maiores correlaÃÃes tendem a se manter na rede podada. Uma vantagem imediata deste procedimento està em nÃo requerer a inversÃo de matrizes, nem um parÃmetro de regularizaÃÃo. O desempenho do mÃtodo proposto à avaliado em problemas de classificaÃÃo de padrÃes e os resultados sÃo comparados aos obtidos pelos mÃtodos OBS/OBD e por um mÃtodo de poda baseado em regularizaÃÃo. Para este fim, sÃo usados, alÃm de dados articialmente criados para salientar caracterÃsticas importantes do mÃtodo, os conjuntos de dados bem conhecidos da comunidade de aprendizado de mÃquinas: Iris, Wine e Dermatology. Utilizou-se tambÃm um conjunto de dados reais referentes ao diagnÃstico de patologias da coluna vertebral. Os resultados obtidos mostram que o mÃtodo proposto apresenta desempenho equivalente ou superior aos mÃtodos de poda convencionais, com as vantagens adicionais do baixo custo computacional e simplicidade. O mÃtodo proposto tambÃm mostrou-se bastante agressivo na poda de unidades de entrada (atributos), o que sugere a sua aplicaÃÃo em seleÃÃo de caracterÃsticas.

This thesis proposes a new pruning method which eliminates redundant weights in a multilayer perceptron (MLP). Conventional pruning techniques, like Optimal Brain Surgeon (OBS) and Optimal Brain Damage (OBD), are based on weight sensitivity analysis, which requires the inversion of the error Hessian matrix of the loss function (i.e. mean squared error). This inversion is specially susceptible to numerical problems due to poor conditioning of the Hessian matrix and demands great computational efforts. Another kind of pruning method is based on the regularization of the loss function, but it requires the determination of the regularization parameter by trial and error. The proposed method is based on "Maximum Correlation Errors Principle" (MAXCORE). The idea in this principle is to evaluate the importance of each network connection by calculating the cross correlation among errors in a layer and the back-propagated errors…

Advisors/Committee Members: Guilherme de Alencar Barreto.

Subjects/Keywords: TELEINFORMATICA; redes neurais artificiais; mÃtodos de poda; seleÃÃo de modelos; correlaÃÃo de erros; seleÃÃo de caracterÃsticas; artificial neural networks; pruning methods; model selection; error correlation; feature selection

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Medeiros, C. M. d. S. (2008). Uma contribuiÃÃo ao problema de seleÃÃo de modelos neurais usando o princÃpio de mÃxima correlaÃÃo dos erros. (Doctoral Dissertation). Universidade Federal do Ceará. Retrieved from http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2132 ;

Chicago Manual of Style (16th Edition):

Medeiros, ClÃudio Marques de SÃ. “Uma contribuiÃÃo ao problema de seleÃÃo de modelos neurais usando o princÃpio de mÃxima correlaÃÃo dos erros.” 2008. Doctoral Dissertation, Universidade Federal do Ceará. Accessed August 20, 2019. http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2132 ;.

MLA Handbook (7th Edition):

Medeiros, ClÃudio Marques de SÃ. “Uma contribuiÃÃo ao problema de seleÃÃo de modelos neurais usando o princÃpio de mÃxima correlaÃÃo dos erros.” 2008. Web. 20 Aug 2019.

Vancouver:

Medeiros CMdS. Uma contribuiÃÃo ao problema de seleÃÃo de modelos neurais usando o princÃpio de mÃxima correlaÃÃo dos erros. [Internet] [Doctoral dissertation]. Universidade Federal do Ceará 2008. [cited 2019 Aug 20]. Available from: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2132 ;.

Council of Science Editors:

Medeiros CMdS. Uma contribuiÃÃo ao problema de seleÃÃo de modelos neurais usando o princÃpio de mÃxima correlaÃÃo dos erros. [Doctoral Dissertation]. Universidade Federal do Ceará 2008. Available from: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2132 ;

3. Ayres Roberto Araújo Barcelos. D-VisionDraughts: uma rede neural jogadora de damas que aprende por reforço em um ambiente de computação distribuída.

Degree: 2011, Federal University of Uberlândia

The objetive of this work is to propose a draughts learning system, the D-VisionDraughts (Distributed VisionDraughts): a distributed draughts player agent based on neural networks that learns by reinforcement. The D-VisionDraughts is trained in a distributed processing environment in order to achieve a high level of play without expert game analysis and with minimal human intervention as possible (distinctly from the world draughts champion Chinook). The D-VisionDraughts corresponds to a distributed version of the eficient VisionDraughts player, where the latter corresponds to a MLP (multilayer perceptron) neural network that learns by means of temporal diferences. The role of the neural network is to evaluate how much a board state is favorable to the agent (prediction). This value will lead the search module to determine the best action (in this case, the best move) of the current board state of the game. Another factor that has an important impact on the search eciency, which is analyzed in this work, is the degree of ordering of the game tree. Thus, the main contributions of this work are: the replacement of the serial algorithm used in VisionDraughts, the minimax with alpha-beta pruning, by the distributed algorithm Young Brothers Wait Concept (YBWC); the use of heuristics for game tree ordering, that is essential for the proper performance of YBWC and alpha-beta pruning in general; the impact analysis of the high-performance processing environment on the unsupervised learning skills of the player. This work shows that with the techniques used, the time required to perform a game tree search was signicantly reduced and through tournaments played with VisionDraughts the overall performance of the distributed agent is improved.

O objetivo deste trabalho é propor um sistema de aprendizagem de damas, o DVisionDraughts (Distributed VisionDraughts): um agente distribuído jogador de damas baseado em redes neurais que aprende por reforço. O D-VisionDraughts é treinado em um ambiente de processamento distribuído de modo a alcançar um alto nível de jogo sem a análise de especialistas e com o mínimo de intervenção humana possível (diferentemente do agente campeão do mundo de damas Chinook). O D-VisionDraughts corresponde a uma versão distribuída do eciente jogador VisionDraughts, onde este último corresponde à uma rede neural MLP (multilayer perceptron) que aprende pelo método das diferenças temporais. O papel da rede neural é avaliar o quanto um estado de tabuleiro é favorável ao agente (valor de predição). Este valor irá guiar o módulo de busca na procura pela melhor ação (neste caso, o melhor movimento) correspondente ao estado de tabuleiro corrente do jogo. Outro fator que é importante na eciência da busca, e que foi analisado neste trabalho, é o grau de ordenação da árvore de jogo. Desta forma, as principais contribuições deste trabalho consistem em: substituir o algoritmo serial utilizado para a busca em árvore de jogos do VisionDraughts, o minimax com poda alpha-beta, pelo algoritmo distribuído Young Brothers…

Advisors/Committee Members: Rita Maria da Silva Julia, Rivalino Matias Júnior, Ana Lucia Cetertich Bazzan.

Subjects/Keywords: CIENCIA DA COMPUTACAO; Busca paralela; Aprofundamento iterativo; Tabelas de transposição; Poda alpha-beta; Redes neurais articiais; Aprendizagem por diferenças temporais; Aprendizagem por reforço; Aprendizagem de máquina; Damas; Temporal differences learning; Reinforcement learning; Machine learning; Draughts; Articial neural network; Alpha-beta pruning; Transposition table; Iterative deepening; Parallel search

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Barcelos, A. R. A. (2011). D-VisionDraughts: uma rede neural jogadora de damas que aprende por reforço em um ambiente de computação distribuída. (Thesis). Federal University of Uberlândia. Retrieved from http://www.bdtd.ufu.br//tde_busca/arquivo.php?codArquivo=3544

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Chicago Manual of Style (16th Edition):

Barcelos, Ayres Roberto Araújo. “D-VisionDraughts: uma rede neural jogadora de damas que aprende por reforço em um ambiente de computação distribuída.” 2011. Thesis, Federal University of Uberlândia. Accessed August 20, 2019. http://www.bdtd.ufu.br//tde_busca/arquivo.php?codArquivo=3544.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

MLA Handbook (7th Edition):

Barcelos, Ayres Roberto Araújo. “D-VisionDraughts: uma rede neural jogadora de damas que aprende por reforço em um ambiente de computação distribuída.” 2011. Web. 20 Aug 2019.

Vancouver:

Barcelos ARA. D-VisionDraughts: uma rede neural jogadora de damas que aprende por reforço em um ambiente de computação distribuída. [Internet] [Thesis]. Federal University of Uberlândia; 2011. [cited 2019 Aug 20]. Available from: http://www.bdtd.ufu.br//tde_busca/arquivo.php?codArquivo=3544.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Council of Science Editors:

Barcelos ARA. D-VisionDraughts: uma rede neural jogadora de damas que aprende por reforço em um ambiente de computação distribuída. [Thesis]. Federal University of Uberlândia; 2011. Available from: http://www.bdtd.ufu.br//tde_busca/arquivo.php?codArquivo=3544

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

.