FAN (rede neural): diferenças entre revisões

Origem: Wikipédia, a enciclopédia livre.
Conteúdo apagado Conteúdo adicionado
Dieval (discussão | contribs)
Dieval (discussão | contribs)
Linha 2: Linha 2:
{{reciclar|data=outubro de 2009}}
{{reciclar|data=outubro de 2009}}


'''FAN - Free Associative Neurons''' (inglês) é uma rede neural artificial ([[Rede neural]]) publicada pela primeira vez em 1997 com o propósito de ser aplicada no reconhecimento de padrões. Tendo sido desenvolvida no Brasil a denominação da técnica continua a ser a original em inglês por ter sido a forma em que foi publicada e por ser assim reconhecida. Uma possível tradução para o Português é '''Neurônios livre Associativos'''.
'''FAN - Free Associative Neurons''' (inglês) é uma rede neural artificial ([[Rede neural]]) publicada pela primeira vez em 1997 com o propósito de ser aplicada no [[Reconhecimento de padrões]]. Tendo sido desenvolvida no Brasil a denominação da técnica continua a ser a original em inglês por ter sido a forma em que foi publicada e por ser assim reconhecida. Uma possível tradução para o Português é '''Neurônios livre Associativos'''.


== Definição ==
== Definição ==

Revisão das 11h49min de 26 de outubro de 2009

FAN - Free Associative Neurons (inglês) é uma rede neural artificial (Rede neural) publicada pela primeira vez em 1997 com o propósito de ser aplicada no Reconhecimento de padrões. Tendo sido desenvolvida no Brasil a denominação da técnica continua a ser a original em inglês por ter sido a forma em que foi publicada e por ser assim reconhecida. Uma possível tradução para o Português é Neurônios livre Associativos.

Definição

FAN é um modelo de rede neural do tipo Neuro-Fuzzy desenvolvido para a aplicação no reconhecimento de padrões. [1]

Características de FAN

  • Associa características das Redes Neurais (aprendizado automático) e dos modelos difusos (representação da informação).
  • Tem como base os neurônios independentes associados a cada classe de representação de um modelo de reconhecimento de padrões supervisionado.
  • Graus de pertinência associam os padrões a cada neurônio representante de uma classe no domínio do problema.
  • O treinamento é realizado por um algoritmo específico que usa reforço e penalização.
  • Dispensa a necessidade de configuração entre problemas diferentes de reconhecimento de padroões.
  • O resultado do treinamento pode ser representado graficamente.

Aplicações da técnica

  • FControl®[2] - sistema para prevenção de fraude em cartão de crédito.
A FControl foi comprada pelo grupo Buscapé, que fornece os serviços de segurança para mais de 1200 lojas virtuais ([reuters]
  • Teses de Doutorado [3] [4] [5] [6]
  • Outras áreas com aplicações conhecidas: processamento de imagens, bolsa de valores, reconhecimento de voz e de locutor, programas de busca de promotores e de regiões codificadoras de genes em DNA dentre outras.

Implementações de FAN

  • FAN (1997)
  • LabFAN (2002) - Ambiente de treinamento de redes
  • EasyFAN - Ambiente para treinamento de redes - Desenvolvido em Java, 2006.[7]

Referências

  1. RAITTZ, Roberto Tadeu.FAN 2002: um modelo neuro-fuzzy para reconhecimento de padrões. 2002. Tese. Universidade Federal de Santa Catarina. Florianópolis.[1]
  2. SCIELO. FControl®: sistema inteligente inovador para detecção de fraudes em operações de comércio eletrônico. scielo
  3. DANDOLINI, Gertrudes Aparecida; RODRIGUEZ MARTINS, Alejandro. UNIVERSIDADE FEDERAL DE SANTA CATARINA Centro Tecnológico. Mapa fan no estagiamento automático do sono. Florianópolis, 2000. 129 f. Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico.
  4. MECHELN, Pedro Jose Von. UNIVERSIDADE FEDERAL DE SANTA CATARINA Programa de Pós-Graduação em Engenharia de Produção. Jogo de empresas, ambiente interativos e agentes computacionais mediadores. Florianópolis, 2003. 114 f. Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós Graduação em Engenharia de Produção.
  5. BELLI, Mauro José. UNIVERSIDADE FEDERAL DE SANTA CATARINA Programa de Pós-Graduação em Engenharia de Produção. Tecnologias para auxiliar no diagnóstico de desvios na recepção oral e escrita durante o processo de alfabetização. Florianópolis, 2004. 158 f. Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção.[2]
  6. CORDEIRO, Arildo Dirceu. UNIVERSIDADE FEDERAL DE SANTA CATARINA Programa de Pós-Graduação em Engenharia de Produção. Gerador inteligente de sistemas com auto-aprendizagem para gestão de informações e conhecimento. Florianópolis, 2005. 162 f. Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia de Produção.[3]
  7. GUIZELINI, D; RAITTZ, R T; LENFERS, F P; IGNACIO, F A; KUSTER, C V; GARRET, L F V; ZOTTO, S . EasyFan. 2006. Graduação. Universidade Federal do Paraná. Curitiba.

Ver Também

Ligações externas