• 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
 
 
Mémoire de Maîtrise
DOI
10.11606/D.55.2002.tde-19062015-113225
Document
Auteur
Nom complet
José Flavio Vicentini
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2002
Directeur
Jury
Romero, Roseli Aparecida Francelin (Président)
Traina, Agma Juci Machado
Zuben, Fernando José von
Titre en portugais
Indexação e recuperação de informações utilizando redes neurais da família ART
Mots-clés en portugais
Não disponível
Resumé en portugais
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.
Titre en anglais
Indexing and recovering of information throug ART family neural networks
Mots-clés en anglais
Not available
Resumé en anglais
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.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2015-06-19
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
Centro de Informática de São Carlos
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2020. Tous droits réservés.