Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Karas, Elizabeth Wergner | - |
Autor(es): dc.contributor | Pedroso, Lucas Garcia | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Matemática Aplicada | - |
Autor(es): dc.creator | Verdério, Adriano | - |
Data de aceite: dc.date.accessioned | 2019-08-21T23:11:16Z | - |
Data de disponibilização: dc.date.available | 2019-08-21T23:11:16Z | - |
Data de envio: dc.date.issued | 2015-05-05 | - |
Data de envio: dc.date.issued | 2015-05-05 | - |
Data de envio: dc.date.issued | 2015 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/1884/37833 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/37833 | - |
Descrição: dc.description | Orientadora : Profª. Drª. Elizabeth Wergner Karas | - |
Descrição: dc.description | Co-orientador : Prof. Dr. Lucas Garcia Pedroso | - |
Descrição: dc.description | Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Matemática Aplicada. Defesa: Curitiba, 12/03/2015 | - |
Descrição: dc.description | Inclui referências | - |
Descrição: dc.description | Resumo: Em otimização, os métodos de região de confiança a cada iteração utilizam um modelo que aproxima localmente a função a ser otimizada. Em métodos sem derivadas geralmente os modelos são construídos por interpolação polinomial. Apresentamos a construção de modelos de uma função utilizando vetores suporte, que são uma classe de métodos de aprendizagem de máquinas que podem ser utilizados para a classificação de padrões ou regressão. Apresentamos ainda modificações em um algoritmo de região de confiança livre de derivadas e sua prova de convergência. Mostramos que os modelos construídos por regressão via vetores suporte satisfazem as hipóteses necessárias para a convergência do algoritmo e podem ser utilizados como alternativa à interpolação polinomial. Experimentos numéricos preliminares são apresentados comparando o desempenho do algoritmo com modelos construídos por regressão via vetores suporte e por interpolação polinomial. Palavras-chave: Regressão via Vetores Suporte, Região de Confiança, Otimização Sem Derivadas. | - |
Descrição: dc.description | Abstract: In optimization, each iteration of trust-region methods uses a model that locally approximates the function to be minimized. In derivative-free methods, the models generally are built by polynomial interpolation. Alternatively, we present function models built by support vectors, a class of machine learning methods that can be used to pattern classification or regression. We also propose modifications for a derivative-free trust-region algorithm and its global convergence proof. We show that support vector regression models satisfy the assumptions required for the global convergence of the trust-region algorithm. Preliminary numerical experiments are presented to compare the performance of the algorithm using models constructed by support vectors regression and by polynomial interpolation. Keywords: Support Vectors Regression, Trust-Region, Derivative-Free Optimization. | - |
Formato: dc.format | 115f. : il., tabs., grafs., algumas color. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Relação: dc.relation | Disponível em formato digital | - |
Palavras-chave: dc.subject | Matemática aplicada | - |
Título: dc.title | Sobre o uso de regressão por vetores suporte para a construção de modelos em um método de região de confiança sem derivadas | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: