Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio
|
|
- Renata Álvares Borja
- 5 Há anos
- Visualizações:
Transcrição
1 Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio ICA, DEE, PUC-RIO CEP: Resumo Neste artigo será aplicado algumas técnicas de Algoritmo Genético (AG), especialmente mineração de dados utilizando AG para extração das regras, para o desenvolvimento de um Sistema de Análise de Concessão de Crédito (SACC). A Mineração de dados por regras de associação foi constituída por atributos quantitativo. A Mineração de Dados por AG é um problema de otimização onde a função de avaliação deve apontar para as melhores regras de associação. A acurácia e a abrangência são medidas de desempenho e, alguns casos, se mantém nulas durante parte da evolução. Assim, a função avaliação deve ser uma medida que destaca cromossomas contendo regras promissoras em apresentar acurácia e abrangência diferentes de zero. O objetivo desse artigo é desenvolver um Sistema de Análise de Concessão de Crédito que capaz de classificar um determinado cliente como um bom ou mau pagador. O SACC simulará um caso real de sistema de crédito, através de um BD que foi concedido por uma financiadora de crédito. Introdução Quando um determinado cliente desejar obter um empréstimo junto ao banco e/ou financiadora, o especialista da área financeira do banco e/ou financiadora irá analisar os seus dados pessoais como: renda familiar, o valor do empréstimo, quantas vezes ele deseja pagar, quanto tempo ele reside nesse endereço, quanto ele deseja dar de entrada, qual a sua idade, quanto dependentes ele tem e outros. Após esta análise, o especialista irá definir se esse cliente estará apto ou não concessão de crédito solicitado. O objetivo deste trabalho será apresentar um SACC que substituirá a função do especialista financeiro. O SACC utiliza as regras extraídas do banco de dados para classificar o cliente como um bom ou mau pagador. Neste trabalho o BD utilizado foi dividido em duas partes: um BD para treinamento e um outro para validação das regras extraídas. As ferramentas utilizadas foram o RuleEvolver e Access. O RuleEvolver foi utilizado para extrações das regras, ou seja, ele extrai informação de um BD em forma de regras. As regras extraídas deste BD fará a função do especialista para o SACC. O Access foi utilizado para validação das regras
2 extraídas deste BD através de um outro BD que não foi utilizado para extração das regras, ou seja, foi utilizado um BD para extrair informação deste banco e um outro BD para validação desta informação. O conteúdo do artigo está organizado nas seguintes Seções Descrição do problema Mineração de Dados Descrição da Solução Avaliação dos resultados obtidos Conclusões Descrição do problema O problema consistem em desenvolver um Sistema de Análise de Concessão de Crédito que seja capaz de classificar um determinado cliente, quando este solicitar uma concessão de crédito, como um bom ou mau pagador. A figura 1 mostra o diagrama de bloco do Sistema de Análise de Concessão de Crédito (SACC) Cliente Solicitação de Crédito s Se Renda 300 and Renda 3210 and NDep 1 and NDep 5 and... Idade 19 and Idade 54 THEN Classe A Figura 1 Diagrama de bloco do SACC Resultado Conceder ou não Crédito O SACC é composto de: uma entrada (cliente), um conjunto de regras que foi extraído do BD de treinamento através do RuleEvolver e uma saída de decisão (conceder ou não crédito). O BD utilizado neste trabalho contém 2000 registros, onde 1000 registros são da classe mau pagador e os outros 1000 registros. Este BD foi dividido em dois BD, um BD para treinamento e o BD para teste. O BD de treinamento contém 1500 registros, onde 750 registros são da classe mau pagador e outros são da classe bom pagador. O BD de teste contém 500 registros, onde 250 registros são da classe bom pagador e os outros 250 registros são da classe mau pagador. Cada registro contém 10 atributos, sendo que 08 atributos são de entrada e 02 atributos são de saída A tabela a seguir descreve cada um desses atributos deste banco. Nome da variável ou do atributo NDEP classes RENDA Descrição Número de dependente s Renda familiar VBEM Valor do bem NPARC Número de parcela VPARC Valor da parcela IDADE Idade do cliente RESMS Tempo de residência atual ENTRADA Quanto vai pagar de entrada Classe_0 Mau pagador Classe_1 Bom pagador Mineração de Dados Exemplo Filhos, pai, mãe, irmãos, sogra, etc. Salário O preço da mercadoria Pagar em 6 vezes O preço de uma parcela 26 anos 3 anos R$ 310,00 de entrada Não paga o empréstimo Paga empréstimo o
3 É caracterizado pela existência de um algoritmo que diante da tarefa específica será capaz de extrair eficientemente conhecimento implícito e útil de um BD, ou seja, a mineração de dados transforma dados em informação. Será usado a modelagem de AG para a mineração de dados, pois os AGs têm sido empregados em mineração de dados para tarefas de classificação e descrição de registros de uma base de dados, além da seleção de atributos da base de dados. Na classificação de registros os modelos de AGs geram regras que exprimem um realidade do domínio da aplicação. Essas regras são de fácil interpretação, o que incentiva o uso dessa técnica, AGs. A classificação será por evolução de regras de associação. Uma regra de associação caracteriza um relacionamento de atributos preditivos com um atributo objetivo, ou atributo meta. Os atributos preditivos compõem a condição de uma regra (parte SE) e o atributo objetivo, a conseqüência (parte ENTÃO). O objetivo do AG nesta tarefa é evoluir regras de associação, de modo que uma regra passa representar cada vez melhor as características de um determinado grupo de registro. Uma regra é considerada melhor que outra sempre que esta gerar solução com mais qualidade. As medidas de qualidade são: Acurácia e Abrangência. Acurácia de uma regra mede o quão boa é a sua solução em função do grau de certeza, ou confiança, obtida através de do conjunto de exemplo. Considere C um conjunto de atributos preditivos (condição da regra) e P a previsão, ou classe de registro. Uma regra de associação da forma SE C ENTÃO P tem uma acurácia dada por: C P Acurácia =, ou seja, o número C P + C P ( ) de registros que satisfazem C e P dividido pelo total de registros que satisfaz C. Abrangência é definida como sendo o número de registro que satisfazem C e P dividido pelo o total de registros que satisfazem P. C P Abrangência =, ou seja, indica ( C P + C P ) quantos registro uma determinada regra cobriu. Descrição da Solução As extrações das regras utilizando RuleEvolver foram feitas da seguintes maneira: primeiro extraímos a melhor regra do BD de treinamento, para encontrar os parâmetros, normalização linear e função avaliação, taxas dos operadores adequados e em seguida extraímos para as melhores regras. Este procedimento é feito para cada um classe, ou seja, para classe boa pagadora e depois para a classe mau pagadora. De posse do conjunto das melhores regras para ambas as classes, será verificada a validação das mesmas através do BD de teste utilizando o Access. Foi feito duas vezes estes procedimento descrito anteriormente, uma vez para um BD de treinamento e o BD para teste e a segunda vez para um novo BD de treinamento, este BD foi gerado da seguinte forma: escolhe aleatoriamente 250 registros da classe mau pagadora e 250 da classe boa pagadora do BD de treinamento anterior e retira esses 500 registros gerando um novo BD para teste com estes registros e inseri o BD de teste anterior para completar o BD de treinamento gerando assim um novo BD de treinamento. As figuras 2 e 3 abaixo ilustram como são gerados estes novos BDs. Classe o BD de treinamento Classe 0 BD de teste Inicial Escolha Aleatória de registros Figura 2 Escolha aleatória dos 250 registros de cada classe para o BD de
4 Taxa de template 30 Nº de regras visualizadas 100 Foi utilizado a normalização linear com um mínimo de 1 e com um máximo de 100. Operadores: 250 registros registros Classe 0 Novo BD de teste Probabilidade Crossover Taxa Seleção Inicial Final 1 ponto pontos Média Uniforme de 500 registros CLASSE registro CLASSE 1 Classe 0 Final Figura 3 São gerados os novos BDs para treinamento e teste A forma em que é apresentado o BD de treinamento ao RuleEvolver pode ter influência no resultado do conjunto das melhores regras, desta forma para ser totalmente imparcial ao resultado no conjunto de regras foi feito a escolha aleatória do BD de treinamento para com isso garantir a imparcialidade no resultado do conjunto de regras. Avaliação dos Resultados Os resultados a seguir foram avaliados em função dos seguintes parâmetros: Parâmetros Total de Rodadas 5 Total de Geração 50 Tamanho da população 100 Elitismo 5 Semente 5 Classe o Novo BD de treinamento Probabilidade Mutação Taxa Seleção Inicial Final Padrão O tipo de inicialização foi aleatória. Foram extraídas 40 regras do BD de treinamento para o primeiro experimento, sendo que 20 regras são da classe mau pagadora e as outra 20 são da bom pagador. As tabelas abaixo mostram as Acurácias e as Abrangências para cada regra: Para a classe boa pagadora de
5 Observando o resultado da verificação da classe boa pagadora foi obtido as seguintes informações: 5% das regras extraídas não cobre nenhum registro, apenas 40% das regras extraídas obtiveram uma acurácia acima de 70% e a abrangência dessas regras foram abaixo de 4%. Isto mostra que o conjunto de regras para a classe boa pagadora não foi muito bom para o BD de treinamento inicial. Para a classe mau pagadora Observando agora o resultado da verificação da classe mau pagadora foi obtido as seguintes informações: 25% da regras não cobriram nenhum registros, 50% das regras obtiveram uma acurácia maior que 70% e abrangência dessas regras foram menor 15%. Este resultado mostra a necessidade de se fazer novo experimento. O segundo experimento foi utilizando o segundo BD de treinamento e BD de teste citado anteriormente. De forma semelhante ao anterior aqui também foram extraídas 40 regras do BD de treinamento para o primeiro experimento, sendo que 20 regras são da classe mau pagadora e as outra 20 são da bom pagador. As tabelas abaixo mostram as Acurácias e as Abrangências para cada regra: Para a classe boa pagadora
6 resultados obtidos foram bem melhor que o experimento anterior. As regras cobriram pelo menos dois registros e 100% das regras obtiveram uma acurácia maior ou igual a 75% com uma abrangência abaixo de 6%. Para este novo experimento, observamos que os resultados obtidos foram bem melhor que o experimento anterior para classe boa pagadora. As regras cobriram pelo menos um registro e 90% das regras obtiveram uma acurácia maior ou igual a 72% com uma abrangência abaixo de 15%. Para a classe mau pagadora Conclusões Os resultados obtidos no segundo experimento mostra que as regras tem um grau confiabilidade em média de 73% para o conjunto de 40 regras, onde 20 regras são para a classe mau pagadora e as outras 20 são da classe boa pagadora. Com este resultado podemos desenvolver um Sistema a de Análise de Concessão de Crédito (SACC) e alcançarmos o nosso objetivo proposto início deste trabalho. O ideal seria uma regra que tivesse uma acurácia igual a um e uma abrangência também igual a um, pois assim teríamos uma única regras a qual classificaria 100% certo os clientes e essa regra cobriria todos registros do BD, neste caso o SACC seria ainda mais confiável. Bibliografia: [ 1 ] Notas de Aula. [ 2 ] Classificação de registros em banco de dados por evolução de regras de associação utilizando Algoritmo Genético Carlos Henrique Pereira Lopes Abril Verificando também o novo experimento, para classe boa pagadora observamos que os
7
Redes Neurais no WEKA
Redes Neurais WEKA http://www.cs.waikato.ac.nz/ml/weka/ Redes Neurais no WEKA Introdução ao WEKA Base Benchmark Estudo de Casos Análise de Crédito Bancário 1 Redes Neurais no Weka WEKA (Waikaito Environment
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora
Leia maisMax Pereira. Inteligência Artificial
Max Pereira Inteligência Artificial Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora da teoria da evolução das espécies iniciada pelo Naturalista inglês Charles
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisInteligência Computacional Aplicada. O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos
Inteligência Computacional Aplicada Resumo O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos O que é Inteligência Computacional? Técnicas e sistemas computacionais que imitam
Leia maisMetahuerísticas: Algoritmos Genéticos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.
Metahuerísticas: Algoritmos Genéticos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 8) Meta-heurísticas Classificação de métodos heurísticos: os métodos
Leia maisAplicações de Sistemas Inteligentes
Aplicações de Sistemas Inteligentes Germano C. Vasconcelos Centro de Informática - UFPE 14/6/2010 1 Roteiro Inteligência Computacional Aplicações Mineração de Dados Métodos Exemplo em Análise de Crédito
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia maisPlanejamento Hidrotérmico Utilizando Algoritmos Genéticos
1 Planejamento Hidrotérmico Utilizando Algoritmos Genéticos Thayse Cristina Trajano da Silva Pontifícia Universidade Católica Puc-Rio Engenharia Elétrica Rio de Janeiro RJ Brasil Resumo O planejamento
Leia mais3 Algoritmos Genéticos
Algoritmos Genéticos Algoritmos Genéticos (AGs) constituem um mecanismo de busca adaptativa que se baseia no princípio Darwiniano de seleção natural e reprodução genética [101]. AGs são tipicamente empregados
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia maisConteúdo da Apresentação
Extração de Regras Fuzzy para Máquina de Vetor Suporte (SVM) para Classificação em Múltiplas Classes Adriana da Costa F. Chaves Conteúdo da Apresentação Motivação Método de Extração de Regras Fuzzy Classificação
Leia maisUm Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Leia mais3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Edirlei Soares de Lima Algoritmos Genéticos Método de busca local. Boa abordagem para lidar com espaços de busca muito
Leia maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia maisUso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística
Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia maisFigura 3.1: Fluxograma do algoritmo da Programação Genética.
3 Programação Genética O termo Programação Genética passou a ser utilizado em 1990 nos trabalhos publicados por Koza [30] e De Garis [31]. A definição de Koza para este termo passou a predominar após a
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia mais3 Otimização Evolucionária de Problemas com Restrição
3 Otimização Evolucionária de Problemas com Restrição 3.1. Introdução Este capítulo resume os principais conceitos sobre os algoritmos evolucionários empregados nesta dissertação. Primeiramente, se fornece
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisClassificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si
Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação de Dados Os modelos de classificação de dados são preditivos, pois desempenham inferências
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 04 Representações e Programação Genética Max Pereira Representações A representação cromossômica é completamente arbitrária.
Leia maisComputação Evolucionária Aplicada ao Problema de Seleção de Características em Text Mining
Computação Evolucionária Aplicada ao Problema de Seleção de Características em Text Mining João R. Carrilho Jr., Marco Aurélio C. Pacheco ICA: Applied Computational Intelligence Laboratory Department of
Leia maisMineração de Dados em Biologia Molecular
Mineração de Dados em Biologia Molecular Análise de associação Principais tópicos Análise de associação Itens frequentes Conjunto de itens frequentes de associação Avaliação de regras de associação Docente:
Leia maisProblema de Satisfação de Restrições
Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas para PSRs Problema de Satisfação
Leia maisProblema de Satisfação de Restrições. Problema de Satisfação de Restrições. Grafo de restrições. Exemplo: 4 Rainhas como um PSR
Problema de Satisfação de Restrições Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia maisINTELIGÊNCIA ARTIFICIAL
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação
Leia maisCOMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO E A FUNÇÃO SOLVER
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ARTES, CIÊNCIAS E HUMANIDADES SISTEMAS DE INFORMAÇÃO COMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO
Leia mais3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia mais4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos
Genéticos 39 4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos Neste capítulo são abordadas as especificações de cada módulo e o Algoritmo Genético que compõem o modelo
Leia maisUtilizando Algoritmos Genéticos para determinar a fonte de um campo magnético.
Technical Notes in Computational Intelligence, ICA, PUC-Rio 1 Utilizando Algoritmos Genéticos para determinar a fonte de um campo magnético. Alexandre S. Wolf 1, Marco Aurélio C. Pacheco 1, C. Hall Barbosa
Leia maisExtracção de Conhecimento
Programa Doutoral em Engenharia Informática Mestrado Integrado em Engenharia Informática LIACC/FEUP Universidade do Porto www.fe.up.pt/ ec rcamacho@fe.up.pt Outubro 2007 Algoritmos Genéticos alguns destes
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos
Leia maisHibridização de Técnicas de Data Mining com Algoritmos Genéticos
Hibridização de Técnicas de Data Mining com Algoritmos Genéticos 1 Hibridização de Técnicas de Data Mining com Algoritmos Genéticos Dante José Alexandre Cid e Marco Aurélio C. Pacheco úcleo de Pesquisa
Leia maisDCBD. Avaliação de modelos. Métricas para avaliação de desempenho. Avaliação de modelos. Métricas para avaliação de desempenho...
DCBD Métricas para avaliação de desempenho Como avaliar o desempenho de um modelo? Métodos para avaliação de desempenho Como obter estimativas confiáveis? Métodos para comparação de modelos Como comparar
Leia mais4 Modelos Propostos para Otimização de Planejamentos com Restrições de Precedência 4.1 Representação com Algoritmos Genéticos
46 4 Modelos Propostos para Otimização de Planejamentos com Restrições de Precedência 4.1 Representação com Algoritmos Genéticos Para definir a representação de um modelo para problemas de planejamento
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisTópicos Especiais em Informática Fatec Indaiatuba
Prof. Dilermando Piva Jr. ((Compilação de diversas fontes na Internet)) Principal motivação para o estudo da computação evolutiva Otimização de processos complexo e que possuem um grande número de variáveis
Leia maisFOLHA DE CONTROLE DE DOCUMENTOS
FOLHA DE CONTROLE DE DOCUMENTOS 1) IDENTIFICAÇÃO Código do documento PO-LFX-1002 Revisão 07 Data 08/11/2017 Título IDENTIFICAÇÃO DAS FONTES DE INCERTEZA Classificação Restrito n o de páginas 06 n o de
Leia maisProf. Marco Aurélio C. Pacheco. 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Desenvolvimento de um Algoritmo Genético Prof. Marco Aurélio C. Pacheco 1 Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Introdução Um Algoritmo Genético (AG), conceitualmente, segue passos inspirados no processo biológico de evolução natural segundo a teoria de Darwin Algoritmos Genéticos seguem a idéia
Leia maisMétodos de Busca. Inteligência Artificial. Algoritmos Genéticos. Algoritmos Evolucionários. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maisComputação Evolutiva. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Evolutiva Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) Principais Tópicos Computação Evolutiva Algoritmos Genéticos Codificação Função de
Leia maisInteligência Artificial
Inteligência Artificial Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Algoritmos Genéticos Conteúdo Introdução O Algoritmo Genético Binário Noções de Otimização O Algoritmo Genético com Parâmetros
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação plicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada -
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy Redes de uma única camada O Perceptron elementar Classificação de padrões por um perceptron A tarefa de classificação consiste em aprender a atribuir rótulos a dados que
Leia maisGAs são indicados em problemas complexos de otimização- onde se busca uma solução melhor:
Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros 1. PROBLEMA GAs são indicados em problemas complexos de otimização-
Leia maisAssim, no algoritmo BIOCLIM, qualquer ponto do espaço pode ser classificado como:
ANEXO A ALGORITMOS BIOCLIM E GARP A.1 Algoritmo BIOCLIM O algoritmo BIOCLIM implementa o conceito de envelope bioclimático (Nix, 1986). O algoritmo calcula a média e o desvio-padrão para cada variável
Leia maisCodificação das variáveis: binária Iniciação da população: aleatória Avaliação: função aptidão Operadores. Critério de parada: número de gerações
AG Simples/Canônico (AGS) AG introduzido por Holland Funciona bem para problemas de otimização simples e/ou de pequenas dimensões A maior parte da teoria dos AGs está baseada no AGS Utilidade didática
Leia mais5 Projeto de Novos Polímeros Condutores
5 Projeto de Novos Polímeros Condutores Polímeros condutores constituem uma nova classe de materiais eletrônicos com propriedades incomuns, baseadas em novos fenômenos físicos, tendo aplicações com largo
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 01 Computação Evolucionária Max Pereira Motivação Se há uma multiplicidade impressionante de algoritmos para solução de problemas,
Leia mais> Princípios de Contagem e Enumeração Computacional 1/10
Princípios de Contagem e Enumeração Computacional > Princípios de Contagem e Enumeração Computacional 1/10 De quantas maneiras podemos selecionar um subconjunto de r objetos de um conjunto de n objetos?
Leia maisInteligência Artificial
Inteligência Artificial Descoberta de Conhecimento em Bases de Dados Mineração de Dados Descobertas de regras de associação Descoberta de Conhecimento em Bases de Dados DCBD (Descoberta de Conhecimento
Leia maisMetodologia Aplicada a Computação.
Metodologia Aplicada a Computação gaudenciothais@gmail.com Pré-processamento de dados Técnicas utilizadas para melhorar a qualidade dos dados; Eliminam ou minimizam os problemas como ruídos, valores incorretos,
Leia maisVERIFICAÇÃO DO DECAIMENTO DE INFORMAÇÃO EM REDES NEURAIS RECORRENTES APLICADAS AO PROBLEMA DO MUNDO DE WUMPUS 1
VERIFICAÇÃO DO DECAIMENTO DE INFORMAÇÃO EM REDES NEURAIS RECORRENTES APLICADAS AO PROBLEMA DO MUNDO DE WUMPUS 1 Henrique Augusto Richter 2, Eldair Fabrício Dornelles 3, Márcia Da Silva 4, Rogério Samuel
Leia maisAplicação de algoritmos genéticos. Problema da Mochila (knapsack problem)
Aplicação de algoritmos genéticos Problema da Mochila (knapsack problem) Algoritmos genéticos Passos inspirados no processo biológico de evolução Ideia de sobrevivência dos mais adaptados Soluções cada
Leia maisFigura 4.1: Módulos que compõe o sistema de otimização do OCTOPUS
4 Modelo de Solução O plano de drenagem de um determinado campo de petróleo é construído a partir de algumas informações prévias, como por exemplo, a composição geológica do campo. A partir dessa informação
Leia maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia maisLayout Atuarial Base de Dados
Layout Atuarial Base de Dados 1 SUMÁRIO: INTRODUÇÃO:... 3 ARQUIVO DOS ATIVOS... 4 ARQUIVO DOS DEPENDENTES DOS ATIVOS... 5 ARQUIVO DOS INATIVOS... 6 ARQUIVO DOS DEPENDENTES DOS INATIVOS... 7 ARQUIVO DOS
Leia mais4 APLICAÇÃO DO MODELO E RESULTADOS
4 APLICAÇÃO DO MODELO E RESULTADOS Neste capítulo, será aplicado o modelo proposto (Holt-Winters com múltiplos ciclos mais a correção devido à ocorrência de feriado e temperatura) e apresentados os resultados
Leia maisMensurando o Risco de Micro e Pequenas Empresas. Fabio Wendling M. de Andrade
Mensurando o Risco de Micro e Pequenas Empresas Fabio Wendling M. de Andrade Agenda O perfil das MPEs O que é importante no crédito para MPEs Metodologia de quantificação de risco de MPEs Gerenciamento
Leia maisSeleção do Portifólio de Projetos para Investimento por Computação Evolucionária
ICA Inteligência Computacional Aplicada, PUC-Rio 1 Seleção do Portifólio de para Investimento por Computação Evolucionária Marco Aurélio C. Pacheco, Rafael Freitas de Amorim 1 ICA: Inteligência Computacional
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 03 Teoria dos Esquemas Max Pereira Um esquema consiste em um template descrevendo um subconjunto dentre o conjunto de todos
Leia maisALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo
Leia maisComputação Evolutiva. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Evolutiva Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) Principais Tópicos Computação Evolutiva Algoritmos Genéticos Codificação Função de
Leia maisEstratégias Evolutivas EEs. Prof. Juan Moisés Mauricio Villanueva
Estratégias Evolutivas EEs Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan Estratégias Evolutivas Desenvolvidas por Rechenberg e Schwefel, e estendida por Herdy, Kursawe
Leia mais7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS
7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS Autor(es) LIDIA MARTINS DA SILVA Orientador(es) ANA ESTELA ANTUNES DA SILVA 1. Introdução
Leia maisRealce de Impressões Digitais por Algoritmos Genéticos
Technical Notes in Computational Intelligence, ICA, PUC-Rio 1 Realce de Impressões Digitais por Algoritmos Genéticos Marco Aurélio C. Pacheco 1, Raul Queiroz Feitosa 1, Dan Posternak 1 1 ICA: Computational
Leia maisOtimização com Algoritmos Genéticos no MATLAB. Prof. Rafael Saraiva Campos CEFET-RJ
Otimização com Algoritmos Genéticos no MATLAB Prof. Rafael Saraiva Campos CEFET-RJ Conteúdo do Mini-Curso PARTE 1 Teoria PARTE 2 Prática Conteúdo do Mini-Curso PARTE 1 Teoria 1.1. Conceitos Básicos de
Leia maisAncoragem de Embarcações utilizando Algoritmos Genéticos
Ancoragem de Embarcações utilizando Algoritmos Genéticos Sérgio Alvares R. de S. Maffra 1 sam@tecgraf.puc-rio.br Marco Aurélio C. Pacheco 2 marco@ele.puc-rio.br 1 Tecgraf, Departamento de Informática,
Leia maisAlgoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:
Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000
Leia maisAlgoritmos genéticos Abordagem unificada de algoritmos evolutivos simples
Introdução Inspiração biológica Histórico da computação evolutiva Algoritmo evolutivo simples Programação evolutiva Estratégias evolutivas Algoritmos genéticos Abordagem unificada de algoritmos evolutivos
Leia maisEstrutura comum dos AEs
Estrutura comum dos AEs Os algoritmos estudados seguem o seguinte padrão para modelagem dos sistemas evolutivos: Uma população de tamanho constante m evolui sobre o tempo A população atual é utilizada
Leia mais5 Detalhamento da solução
5 Detalhamento da solução Partindo das equações estabelecidas no capítulo 3 e da técnica de otimização definida no capítulo 4, chega-se a uma solução concreta para o problema que será detalhado nesse capítulo.
Leia maisMineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra. Padrões e processos em Dinâmica de uso e Cobertura da Terra
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra Introdução 1 2 3 4 Capacidade de Armazenamento X Análise e Interpretação
Leia maisDescoberta de Conhecimento em Bancos de Dados - KDD
Descoberta de Conhecimento em Bancos de Dados - KDD Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Fases do processo 3. Exemplo do DMC 4. Avaliação
Leia maisMineração de Dados e Aprendizado de Máquinas. Rodrigo Leite Durães.
Mineração de Dados e Aprendizado de Máquinas. Rodrigo Leite Durães. O que é mineração de dados Mineração de Dados é um passo no processo de KDD que consiste na aplicação de análise de dados e algoritmos
Leia mais6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisProcessamento da Consulta. Processamento da Consulta
Processamento da Consulta Equipe 05 Adriano Vasconcelos Denise Glaucia Jose Maria Marcigleicy Processamento da Consulta Refere-se ao conjunto de atividades envolvidas na extra de dados de um banco de dados.
Leia maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) Informação - ICPG - Criciuma - SC 1 Características Gerais, operadores, algoritmo.
Leia maisGAs são indicados em problemas complexos de otimização- onde se busca uma solução melhor:
Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros 1. PROBLEMA GAs são indicados em problemas complexos de otimização-
Leia maisInteligência Artificial
Inteligência Artificial Aula 14 Aprendizado de Máquina Avaliação de s Preditivos (Classificação) Hold-out K-fold Leave-one-out Prof. Ricardo M. Marcacini ricardo.marcacini@ufms.br Curso: Sistemas de Informação
Leia maisMONTAGEM DE HIPÓTESES
MONTAGEM DE HIPÓTESES Metodologia Científica Graduação Tecnológica O Enunciado das Hipóteses * Toda pesquisa científica consiste em enunciar e verificar hipóteses... Hipótese é: * uma suposição que se
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Prof. Augusto Baffa Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido.
Leia maisConteúdo. 1 Introdução. Histograma do Quarto Sorteio da Nota Fiscal Paraná 032/16. Quarto Sorteio Eletrônico da Nota Fiscal Paraná
Quarto Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este documento apresenta a análise dos resultados
Leia maisConsiderações de Desempenho
Back Propagation Considerações de Desempenho Dicas para o BP O uso da função de ativação simétrica geralmente acelera o treinamento TANH +1 logistic linear 0 tanh -1-4 +4 1 Dicas para o BP Os pesos devem
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação
Leia mais