Classificação de dados em domínios com distribuição não estacionária

UNIVERSIDADE DE SÃO PAULO
Instituto de Ciências Matemáticas e de
Computação
Iniciação Científica PIBIC/CNPq
Relatório Final

Classificação de dados em domínios com distribuição não estacionária

Aluno: Tarcísio Fonseca Guidoni
Orientador: Dr. João Roberto Bertini Junior

São Carlos – SP
Julho de 2014

1.Introdução
Este capítulo narra o que foi realizado no período total do programa, bem como lista os tópicos desenvolvidos. Como é uma área que não é muito abordada durante a graduação foi necessária que orientador passa-se artigos, livros e vídeos que explicassem tópicos que seriam vistos durante todo o projeto com o aprendizado de máquina, rede neurais. Depois dessa fase inicial do projeto, foram iniciados os desenvolvimentos de trabalhos. A seguir são listados os tópicos desenvolvidos.
1.1 Regressão em fluxo de dados com distribuição não estacionária
Este primeiro projeto está relacionado com redes neurais construtivas que apresenta fluxo de distribuição não estacionária, que tem como objetivo a previsão de fechamentos de ações. Foi utilizado o Cascade Correlation
(CasCor), que consiste em um algoritmo de treinamento para redes neurais construtivas. Como

mencionado

anteriormente

um

dos

desafios

da

classificação de dados, principalmente a não estacionária, é o gasto com seu processamento e memória, como o Cascade Correlation apresenta um baixo custo computacional em relação ao treinamento e classificação, o mesmo acaba se tornando uma opção viável para os objetivos apresentados.
Este trabalho apresentou resultados, que mostraram sua eficácia em comparação a redes Perceptron de Multicamadas (MLP), pois os resultados dos comitês de Cascor se mostraram mais vantajosos em relação a tempo computacional já que este possui a definição da arquitetura de rede junto ao treinamento. Os resultados dessa proposta serão apresentados na conferência
BRACIS/ENIAC 2014, que será realizado em Outubro, em São Carlos, na