dc.contributor | Rauber, T. W. | |
dc.contributor | KROHLING, R. A. | |
dc.contributor | MONARD, M. C. | |
dc.date.accessioned | 2016-07-11 | |
dc.date.accessioned | 2016-08-29T15:33:12Z | |
dc.date.accessioned | 2019-05-28T12:28:24Z | |
dc.date.available | 2016-07-11 | |
dc.date.available | 2016-08-29T15:33:12Z | |
dc.date.available | 2019-05-28T12:28:24Z | |
dc.date.created | 2016-07-11 | |
dc.date.created | 2016-08-29T15:33:12Z | |
dc.date.issued | 2010-02-12 | |
dc.identifier | OLIVEIRA, A. B., Modelo de Predição para análise comparativa de Técnicas Neuro-Fuzzy e de Regressão. | |
dc.identifier | http://repositorio.ufes.br/handle/10/4218 | |
dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/2870292 | |
dc.description.abstract | Os Modelos de Predição implementados pelos algoritmos de Aprendizagem de Máquina advindos como linha de pesquisa da Inteligência Computacional são resultantes de pesquisas e investigações empíricas em dados do mundo real. Neste contexto; estes modelos são extraídos para comparação de duas grandes técnicas de aprendizagem de máquina Redes Neuro-Fuzzy e de Regressão aplicadas no intuito de estimar um parâmetro de qualidade do produto em um ambiente industrial sob processo contínuo.
Heuristicamente; esses Modelos de Predição são aplicados e comparados em um mesmo ambiente de simulação com intuito de mensurar os níveis de adequação dos mesmos, o poder de desempenho e generalização dos dados empíricos que compõem este cenário (ambiente industrial de mineração). | |
dc.publisher | Universidade Federal do Espírito Santo | |
dc.publisher | BR | |
dc.publisher | Programa de Pós-Graduação em Informática | |
dc.publisher | UFES | |
dc.publisher | Mestrado em Informática | |
dc.subject | Support Vector Machine (SVM) for Regression / Relevance Vect | |
dc.title | Modelo de Predição para análise comparativa de Técnicas Neuro-Fuzzy e de Regressão. | |
dc.type | Tesis | |