• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
10.11606/D.55.2002.tde-19062015-113225
Documento
Autor
Nombre completo
José Flavio Vicentini
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2002
Director
Tribunal
Romero, Roseli Aparecida Francelin (Presidente)
Traina, Agma Juci Machado
Zuben, Fernando José von
Título en portugués
Indexação e recuperação de informações utilizando redes neurais da família ART
Palabras clave en portugués
Não disponível
Resumen en portugués
Os Sistemas de Gerenciamento de Banco de Dados (SGBDs) existentes são muito sofisticados, eficientes e rápidos na recuperação de informações envolvendo dados de tipos tradicionais, tais como números, texto, etc., mas existem muitas limitações em se tratando de recuperar informações quando os tipos de dados são mais complexos, isto é, dados multi-dimensionais. Considerando os problemas existentes com a indexação e recuperação de dados multi-dimensionais, este trabalho propõe um sistema híbrido que combina um modelo de Redes Neurais da família ART, ART2-A, com uma estrutura de dados, Slim-Tree, que é um método de acesso a dados no espaço métrico. Esta proposta é uma alternativa para realizar o processo de agrupamento de dados de forma "inteligente" tal que os dados pertencentes aos agrupamentos (clusters) possam ser recuperados a partir da Slim-Tree correspondente. O sistema híbrido proposto é capaz de realizar consultas do tipo: busca por abrangência e dos k-vizinhos mais próximos, o que não é característica comum das redes neurais artificiais. Além disto, os experimentos realizados mostram que o desempenho do sistema foi igual ou superior ao desempenho obtido pela Slim-Tree.
Título en inglés
Indexing and recovering of information throug ART family neural networks
Palabras clave en inglés
Not available
Resumen en inglés
Database Management System (DBMS) are very sophisticated, efficient and fast in the information retrieval involving traditional data sets such as numbers, strings, etc., but there are many limitations in the information retrieval when the data are more complex, i.e., high-dimensional data. Considering some existing problems in the information retrieval, this work proposes a hybrid system that combines an ART family neural network, ART2-A, with a data structure, Slim-Tree, that is a metric access method. This proposal is an alternative to perform the clustering process of data in a "intelligent" way in order the data can be recovered from the corresponding Slim-Tree. The proposed hybrid system is able to perform range queries and k nearest neighbor queries, that is not a inherent characteristic of artificial neural networks. Furthermore, in experiments show that the performance system was equal or superior to Slim-Tree performance.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2015-06-19
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
Centro de Informática de São Carlos
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2020. Todos los derechos reservados.