Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m12.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador6qtX3pFwXQZ3r59YD6/GP453
Repositóriosid.inpe.br/iris@1912/2005/07.20.00.07.59
Última Atualização2015:11.11.11.26.25 (UTC) marciana
Repositório de Metadadossid.inpe.br/iris@1912/2005/07.20.00.08
Última Atualização dos Metadados2018:06.05.00.52.28 (UTC) administrator
Chave SecundáriaINPE-5570-PRE/1795
Rótulo6148
Chave de CitaçãoVinhasFrer:1993:EsMoCa
TítuloClassificacao por maxima verossimilhanca e por redes neurais: um estudo Monte Carlo
Ano1993
Data Secundária19940928
Data de Acesso12 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho1217 KiB
2. Contextualização
Autor1 Vinhas, Lubia
2 Frery, Alejandro Cesar Orgambide
Grupo1 DPI-INPE-MCT-BR
Nome do EventoCongresso Nacional de Matemática Aplicada e Computacional, 16 (CNMAC).
Localização do EventoUberlandia, BR
Data06-09 set. 1993
Páginas131
Histórico (UTC)2008-06-09 20:08:46 :: administrator -> jefferson ::
2010-07-07 18:50:31 :: jefferson -> administrator ::
2015-03-11 16:06:43 :: administrator -> marciana :: 1993
2015-11-11 11:26:25 :: marciana -> administrator :: 1993
2018-06-05 00:52:28 :: administrator -> marciana :: 1993
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
ResumoNeste trabalho compara-se de dois metodos para classificacao de amostras: o de maxima verossimilhanca e o que envolve o uso de uma rede neutral. O problema de classificacao de uma observacao (emIR2)em uma entre duas classes com treinamento e formulado matematicamente. Dado que, em geral, existe um volume grande de amostras e possivel treinar uma rede neural do tipo backpropagation para resolver este problema.Derivam-se algumas propiedades teoricas releventes ao problema ( estimadores e probabilidades de erro)para serem comparados com os resultados de uma experiencia Monte Carlo.Essa experiencia de simulacao estocastica consta de tres fases: 1. Fase de treinamento: gerar as amostras; usa-las como input para o classificador por maxima verossimilhanca e para o treinamento da rede. 2. Fase de classificacao: gerar as amostras a serem classificadas usando novamente os dois metodos. 3. Comparacao dos resultados obtidos pelos dois metodos. Estes passos sao repetidos para diferentes tamanhos de amostras e diferentes valores dos parametros. Somente foi considerada a distribuicao Normal bivariada.
ÁreaSRE
ArranjoClassificacao por maxima...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/6qtX3pFwXQZ3r59YD6/GP453
URL dos dados zipadoshttp://urlib.net/zip/6qtX3pFwXQZ3r59YD6/GP453
Arquivo AlvoINPE 5570.pdf
Grupo de Usuáriosadministrator
marciana
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 1
Acervo Hospedeirosid.inpe.br/banon/2001/04.06.10.52
6. Notas
Campos Vaziosaffiliation archivingpolicy archivist booktitle callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor electronicmailaddress format isbn issn keywords language lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress resumeid rightsholder schedulinginformation secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url versiontype volume
7. Controle da descrição
e-Mail (login)marciana
atualizar 


Fechar