Sobre o uso de regressão por vetores suporte para a construção de modelos em um método de região de confiança sem derivadas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKaras, Elizabeth Wergner-
Autor(es): dc.contributorPedroso, Lucas Garcia-
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Matemática Aplicada-
Autor(es): dc.creatorVerdério, Adriano-
Data de aceite: dc.date.accessioned2019-08-21T23:11:16Z-
Data de disponibilização: dc.date.available2019-08-21T23:11:16Z-
Data de envio: dc.date.issued2015-05-05-
Data de envio: dc.date.issued2015-05-05-
Data de envio: dc.date.issued2015-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/1884/37833-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/37833-
Descrição: dc.descriptionOrientadora : Profª. Drª. Elizabeth Wergner Karas-
Descrição: dc.descriptionCo-orientador : Prof. Dr. Lucas Garcia Pedroso-
Descrição: dc.descriptionTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Matemática Aplicada. Defesa: Curitiba, 12/03/2015-
Descrição: dc.descriptionInclui referências-
Descrição: dc.descriptionResumo: 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.descriptionAbstract: 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.format115f. : il., tabs., grafs., algumas color.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Relação: dc.relationDisponível em formato digital-
Palavras-chave: dc.subjectMatemática aplicada-
Título: dc.titleSobre 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.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.