Redes Neurais Artificiais Aplicadas A Problemas De Classificação Hierárquica Multirrótulo

Content Provider	Semantic Scholar
Author	Cerri, Ricardo Barros, Rodrigo C. Carvalho, André Carlos Ponce De Leon Ferreira De
Copyright Year	2016
Abstract	Resumo – Em problemas de classificação hierárquica multirrótulo, cada exemplo pode ser classificado em duas ou mais classes simultaneamente, diferentemente de problemas de classificação convencionais. Adicionalmente, as classes envolvidas nesses problemas são estruturadas em uma hierarquia, que pode ser uma árvore ou um grafo acı́clico direcionado (DAG). Dessa forma, um exemplo pode ser atribuı́do a dois ou mais caminhos de uma estrutura hierárquica formada por centenas e até milhares de classes, dificultando muito o problema de classificação. Muitos métodos têm sido propostos para solucionar tais problemas, alguns deles utilizando um único classificador para lidar com todas as classes simultaneamente (métodos globais), e outros utilizando vários classificadores para decompor o problema original em vários subproblemas (métodos locais). Este trabalho propõe um método local para classificação hierárquica multirrótulo utilizando redes neurais artificiais. O método é chamado HMCLMLP (Hierarchical Multi-label Classification with Local Multi-Layer Perceptron), e utiliza uma rede Multi-Layer Perceptron (MLP) associada a cada nı́vel da hierarquia. As predições feitas em um nı́vel são então utilizadas como entrada para outra MLP responsável pelas predições no próximo nı́vel. São utilizados dois algoritmos para o treinamento das MLPs, o algoritmo Backpropagation e o algoritmo Resilient back-propagation. Adicionalmente, além da medida de erro convencional, uma medida de erro especı́fica para problemas multirrótulo é utilizada para o treinamento das redes. O método é comparado com outros dois métodos locais considerados estado da arte para problemas de classificação hierárquica multirrótulo, utilizando conjuntos de dados relacionados à predição de funções de proteı́nas. De acordo com os resultados experimentais, o método proposto obteve resultados preditivos competitivos, o que sugere as redes neurais artificiais como alternativas promissoras para tratar problemas de classificação hierárquica multirrótulo.
Starting Page	1
Ending Page	8
Page Count	8
File Format	PDF HTM / HTML
DOI	10.21528/CBIC2011-23.5
Alternate Webpage(s)	http://abricom.org.br/wp-content/uploads/2016/03/st_23.5.pdf
Alternate Webpage(s)	https://doi.org/10.21528/CBIC2011-23.5
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article