Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | Torres, Luiz Carlos Bambirra | - |
Autor(es): dc.creator | Castro, Cristiano Leite de | - |
Autor(es): dc.creator | Rocha, Honovan Paz | - |
Autor(es): dc.creator | Almeida, Gustavo Matheus de | - |
Autor(es): dc.creator | Braga, Antônio de Pádua | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:57:22Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:57:22Z | - |
Data de envio: dc.date.issued | 2022-09-15 | - |
Data de envio: dc.date.issued | 2022-09-15 | - |
Data de envio: dc.date.issued | 2021 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/15315 | - |
Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S0020025522002195 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.ins.2022.03.019 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1028501 | - |
Descrição: dc.description | This work presents a new decision-making strategy for multi-objective learning problem of artificial neural networks (ANN). The proposed decision-maker searches for the solution that minimizes a margin-based validation error amongst Pareto set solutions. The proposal is based on a geometric approximation to find the large margin (distance) of separation among the classes. Several benchmarks commonly available in the literature were used for testing. The obtained results showed that the proposal is more efficient in controlling the generalization capacity of neural models than other learning machines. It yields smooth (noise robustness) and well-fitted models straightforwardly, i.e., without the necessity of parameter set definition in advance or validation data use, as often required by learning machines. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | restrito | - |
Palavras-chave: dc.subject | Classification | - |
Palavras-chave: dc.subject | Decision making | - |
Palavras-chave: dc.subject | Artificial neural networks | - |
Palavras-chave: dc.subject | Multi objective decision learning | - |
Título: dc.title | Multi-objective neural network model selection with a graph-based large margin approach. | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: