Página 1 dos resultados de 214 itens digitais encontrados em 0.009 segundos

Redes neurais artificiais na previsão da inflação: aplicação como ferramenta de apoio à análise de decisões financeiras em organizações de pequeno porte; Artificial neural networks in inflation prediction: application like analysis tool for financial decisions at small organizations; Redes neuronales artificiales en el pronóstico de la inflación: la aplicación como una herramienta para apoyar el análisis de las decisiones financieras en organizaciones pequeñas

Terra, Leonardo Augusto Amaral; Passador, João Luiz
Fonte: Universidade Presbiteriana Mackenzie Publicador: Universidade Presbiteriana Mackenzie
Tipo: Artigo de Revista Científica
POR
Relevância na Pesquisa
46.17%
As estimações das taxas de inflação são de fundamental importância para os gestores, pois as decisões de investimento estão intimamente ligadas a elas. Contudo, o comportamento inflacionário tende a ser não linear e até mesmo caótico, tornando difícil a sua correta estimação. Essa característica do fenômeno pode tornar imprecisos os modelos mais simples de previsão, acessíveis às pequenas organizações, uma vez que muitos deles necessitam de grandes manipulações de dados e/ou softwares especializados. O presente artigo tem por objetivo avaliar, por meio de análise formal estatística, a eficácia das redes neurais artificiais (RNA) na previsão da inflação, dentro da realidade de organizações de pequeno porte. As RNA são ferramentas adequadas para mensurar os fenômenos inflacionários, por se tratar de aproximações de funções polinomiais, capazes de lidar com fenômenos não lineares. Para esse processo, foram selecionados três modelos básicos de redes neurais artificiais Multi Layer Perceptron, passíveis de implementação a partir de planilhas eletrônicas de código aberto. Os três modelos foram testados a partir de um conjunto de variáveis independentes sugeridas por Bresser-Pereira e Nakano (1984)...

Hierarchical multi-label classification using local neural networks

Cerri, Ricardo; Barros, Rodrigo Coelho; Carvalho, André Carlos Ponce de Leon Ferreira de
Fonte: Elsevier; Academic Press; San Diego Publicador: Elsevier; Academic Press; San Diego
Tipo: Artigo de Revista Científica
ENG
Relevância na Pesquisa
56.04%
Hierarchical multi-label classification is a complex classification task where the classes involved in the problem are hierarchically structured and each example may simultaneously belong to more than one class in each hierarchical level. In this paper, we extend our previous works, where we investigated a new local-based classification method that incrementally trains a multi-layer perceptron for each level of the classification hierarchy. Predictions made by a neural network in a given level are used as inputs to the neural network responsible for the prediction in the next level. We compare the proposed method with one state-of-the-art decision-tree induction method and two decision-tree induction methods, using several hierarchical multi-label classification datasets. We perform a thorough experimental analysis, showing that our method obtains competitive results to a robust global method regarding both precision and recall evaluation measures.; CNPq; FAPESP

Seleção de características: abordagem via redes neurais aplicada à segmentação de imagens; Feature selection: a neural approach applied to image segmentation

Santos, Davi Pereira dos
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 21/03/2007 PT
Relevância na Pesquisa
46.17%
A segmentaçãoo de imagens é fundamental para a visão computacional. Com essa finalidade, a textura tem sido uma propriedade bastante explorada por pesquisadores. Porém, a existência de diversos métodos de extração de textura, muitas vezes específicos para determinadas aplicações, dificulta a implementação de sistemas de escopo mais geral. Tendo esse contexto como motivação e inspirado no sucesso dos sistemas de visão naturais e em sua generalidade, este trabalho propõe a combinação de métodos por meio da seleção de características baseada na saliência das sinapses de um perceptron multicamadas (MLP). É proposto, também, um método alternativo baseado na capacidade do MLP de apreender textura que dispensa o uso de técnicas de extração de textura. Como principal contribuição, além da comparação da heurística de seleção proposta frente à busca exaustiva segundo o critério da distância de Jeffrey-Matusita, foi introduzida a técnica de Equalização da Entrada, que melhorou consideravelmente a qualidade da medida de saliência. É também apresentada a segmentação de imagens de cenas naturais, como exemplo de aplicação; Segmentation is a crucial step in Computer Vision. Texture has been a property largely employed by many researchers to achieve segmentation. The existence of a large amount of texture extraction methods is...

Redes neurais e algoritmos genéticos no estudo quimiossistemático da família Asteraceae; Neural Network and Genetic Algorithms in the Chemosystematic study of Asteraceae Family

Correia, Mauro Vicentini
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 16/03/2010 PT
Relevância na Pesquisa
66.34%
No presente trabalho duas metodologias da área de inteligência artificial (Redes Neurais e Algoritmos Genéticos) foram utilizadas para realizar um estudo Quimiossistemático da família Asteraceae. A família Asteraceae é uma das maiores famílias entre as Angiospermas, conta com aproximadamente 24.000 espécies. As espécies da família produzem grande diversidade de metabólitos secundários, entre os quais merecem destaque os terpenóides, poliacetilenos, flavonóides e cumarinas. Para um melhor entendimento da diversidade química da família construiu-se um Banco de Dados com as ocorrências de doze classes de metabólitos (monoterpenos, sesquiterpenos, sesquiterpenos lactonizados, diterpenos, triterpenos, cumarinas, flavonóides, poliacetilenos, benzofuranos, benzopiranos, acetofenonas e fenilpropanóides) produzidos pelas espécies da família. A partir desse banco três diferentes estudos foram realizados. No primeiro estudo, utilizando os mapas auto-organizáveis de Kohonen e o banco de dados químico classificado segundo duas das mais recentes filogenias da família foi possível realizar com sucesso separações de tribos e gêneros da família Asteraceae. Também foi possível indicar que a informação química concorda mais com a filogenia de Funk (Funk et al. 2009) do que com a filogenia de Bremer (Bremer 1994...

Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo; Neural networks and genetic algorithms for hierarchical multi-label classification

Cerri, Ricardo
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 05/12/2013 PT
Relevância na Pesquisa
56.42%
Em problemas convencionais de classificação, cada exemplo de um conjunto de dados é associado a apenas uma dentre duas ou mais classes. No entanto, existem problemas de classificação mais complexos, nos quais as classes envolvidas no problema são estruturadas hierarquicamente, possuindo subclasses e superclasses. Nesses problemas, exemplos podem ser atribuídos simultaneamente a classes pertencentes a dois ou mais caminhos de uma hierarquia, ou seja, exemplos podem ser classificados em várias classes localizadas em um mesmo nível hierárquico. Tal hierarquia pode ser estruturada como uma árvore ou como um grafo acíclico direcionado. Esses problemas são chamados de problemas de classificação hierárquica multirrótulo, sendo mais difíceis devido à alta complexidade, diversidade de soluções, difícil modelagem e desbalanceamento dos dados. Duas abordagens são utilizadas para tratar esses problemas, chamadas global e local. Na abordagem global, um único classificador é induzido para lidar com todas as classes do problema simultaneamente, e a classificação de novos exemplos é realizada em apenas um passo. Já na abordagem local, um conjunto de classificadores é induzido, sendo cada classificador responsável pela predição de uma classe ou de um conjunto de classes...

Neural networks models for wear patterns recognition of single-point dresser

Martins, Cesar H.R.; Aguiar, Paulo R.; Frech Jr., Arminio; Bianchi, Eduardo C.
Fonte: Universidade Estadual Paulista Publicador: Universidade Estadual Paulista
Tipo: Conferência ou Objeto de Conferência Formato: 1524-1529
ENG
Relevância na Pesquisa
46.17%
Grinding is a workpiece finishing process for advanced products and surfaces. However, the constant friction between workpiece and grinding wheel causes the latter to lose its sharpness, thereby impairing the result of the grinding process. When this occurs, the dressing process is essential to sharpen the worn grains of the grinding wheel. The dressing conditions strongly influence the performance of the grinding operation; hence, monitoring them throughout the process can increase its efficiency. The purpose of this study was to classify the wear condition of a single-point dresser using intelligent systems whose inputs were obtained by digitally processing acoustic emission signals. Two multilayer perceptron (MLP) neural networks were compared for their classification ability, one using the root mean square (RMS) statistics and another the ratio of power (ROP) statistics as input. In this study, it was found that the harmonic content of the acoustic emission signal is influenced by the condition of the dresser, and that the condition of the tool under study can be classified by using the aforementioned statistics to feed a neural network. © IFAC.

Detecting attacks to computer networks using a multi-layer perceptron artificial neural network

Amaral, Dino Macedo; Araújo, Genival Mariano de; Romariz, Alexandre Ricardo Soares
Fonte: The International Journal of Forensic Computer Science Publicador: The International Journal of Forensic Computer Science
Tipo: Artigo de Revista Científica
ENG
Relevância na Pesquisa
66.2%
In this paper, we present concepts in artificial neural networks (ANN) to help detect intrusion attacks against network computers, and introduce and compare a multi-layer perceptron ANN (MLPANN) with Snort, an open-source tool for intrusion detection systems (IDS). To conduct these comparison experiments, we inserted malicious traffic into the MLPANN to train our ANN, with results indicating that our ANN detected 99% of these input attacks.

Urban land cover change detection analysis and modeling spatio-temporal Growth dynamics using Remote Sensing and GIS Techniques: A case study of Dhaka, Bangladesh

Ahmed, Bayes
Fonte: Universidade Nova de Lisboa Publicador: Universidade Nova de Lisboa
Tipo: Dissertação de Mestrado
Publicado em 07/03/2011 ENG
Relevância na Pesquisa
66.38%
Dissertation submitted in partial fulfillment of the requirements for the Degree of Master of Science in Geospatial Technologies.; Dhaka, the capital of Bangladesh, has undergone radical changes in its physical form, not only in its vast territorial expansion, but also through internal physical transformations over the last decades. In the process of urbanization, the physical characteristic of Dhaka is gradually changing as open spaces have been transformed into building areas, low land and water bodies into reclaimed builtup lands etc. This new urban fabric should be analyzed to understand the changes that have led to its creation. The primary objective of this research is to predict and analyze the future urban growth of Dhaka City. Another objective is to quantify and investigate the characteristics of urban land cover changes (1989-2009) using the Landsat satellite images of 1989, 1999 and 2009. Dhaka City Corporation (DCC) and its surrounding impact areas have been selected as the study area. A fisher supervised classification method has been applied to prepare the base maps with five land cover classes. To observe the change detection, different spatial metrics have been used for quantitative analysis. Moreover, some postclassification change detection techniques have also been implemented. Then it is found that the ‘builtup area’ land cover type is increasing in high rate over the years. The major contributors to this change are ‘fallow land’ and ‘water body’ land cover types. In the next stage...

Comparação de arquiteturas de redes neurais para sistemas de reconheceimento de padrões em narizes artificiais

Araújo Ferreira, Aida; Bernarda Ludermir, Teresa (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
PT_BR
Relevância na Pesquisa
56.04%
Um nariz artificial é um sistema modular composto de duas partes principais: um sistema sensor, formado de elementos que detectam odores e um sistema de reconhecimento de padrões que classifica os odores detectados. Redes neurais artificiais têm sido utilizadas como sistema de reconhecimento de padrões para narizes artificiais e vêm apresentando resultados promissores. Desde os anos 80, pesquisas para criação de narizes artificiais, que permitam detectar e classificar odores, vapores e gases automaticamente, têm tido avanços significativos. Esses equipamentos podem ser utilizados no monitoramento ambiental para controlar a qualidade do ar, na área de saúde para realizar diagnóstico de doenças e nas indústrias de alimentos para o controle de qualidade e o monitoramento de processos de produção. Esta dissertação investiga a utilização de quatro técnicas diferentes de redes neurais para criação de sistemas de reconhecimento de padrões em narizes artificiais. O trabalho está dividido em quatro partes principais: (1) introdução aos narizes artificiais, (2) redes neurais artificiais para sistema de reconhecimento de padrões, (3) métodos para medir o desempenho de sistemas de reconhecimento de padrões e comparar os resultados e (4) estudo de caso. Os dados utilizados para o estudo de caso...

Contributo para a modelação do estudo do comportamento de barragens de aterro com o auxílio de redes neuronais artificiais

Venâncio, Pedro Miguel Perdigão
Fonte: Universidade Nova de Lisboa Publicador: Universidade Nova de Lisboa
Tipo: Dissertação de Mestrado
Publicado em /06/2015 POR
Relevância na Pesquisa
66.2%
O conhecimento do comportamento das barragens de aterro é essencial para garantir o seu funcionamento adequado e para que os objetivos de utilização delineados inicialmente para o respetivo aproveitamento hidráulico possam ser cumpridos. Os fatores de maior relevância num estudo deste tipo de barragens, considerando que apenas estão sob solicitações estáticas, são as pressões de água, registadas em piezómetros, os caudais percolados e os deslocamentos superficiais, geralmente medidos em marcas de nivelamento ou em alvos colocados em peças de centragem forçada. Na presente dissertação pretende-se, com base no conhecimento dos registos dessas medições feitas anteriormente e recorrendo a modelos de inteligência artificial, predizer o valor que se obteria em próximas medições, ajudando assim a decidir qual o melhor procedimento para remediar ou tratar um problema de comportamento relacionado com as variáveis em estudo. Esta dissertação divide-se essencialmente em três partes. Primeiramente, introduzem-se os conceitos relativos à segurança de barragens de aterro, de acordo com o regulamento de segurança adotado em Portugal, dando relevo ao tipo de observação a que são submetidas. Seguidamente, introduz-se o conceito de redes neuronais artificiais e apresenta-se a base de dados...

Application of artificial neural networks in indirect selection: a case study on the breeding of lettuce

Azevedo,Alcinei Mistico; Andrade Júnior,Valter Carvalho de; Pedrosa,Carlos Enrrik; Oliveira,Celso Mattes de; Dornas,Marcus Flavius Silva; Cruz,Cosme Damião; Valadares,Nermy Ribeiro
Fonte: Instituto Agronômico de Campinas Publicador: Instituto Agronômico de Campinas
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/12/2015 EN
Relevância na Pesquisa
56.2%
The efficiency of artificial neural networks (ANN) to model complex problems may enable the prediction of characteristics that are hard to measure, providing better results than the traditional indirect selection. Thus, this study aimed to investigate the potential of using artificial neural networks (ANN) for indirect selection against early flowering in lettuce, identify the influence of genotype by environment interaction in this strategy and compare your results with the traditional indirect selection. The number of days to anthesis were used as the desired output and the information of six characteristics (fresh weight of shoots, mass of marketable fresh matter of shoots, commercial dry matter of shoots, average diameter of the head, head circumference and leaf number) as input file for the training of the ANN-MLP (Perceptron Multi-Layer). The use of ANN has great potential adjustment for indirect selection for genetic improvement of lettuce against early flowering. The selection based on the predicted values by network provided estimates of gain selection largest that traditional indirect selection. The ANN trained with data from an experiment have low power extrapolation to another experiment, due to effect of interaction genotype by environment. The ANNs trained simultaneously with data from different experiments presented greater predictive power and extrapolation.

Modelagem comportamental e pré-distorção digital de amplificadores de potência baseadas em redes neurais com arquitetura perceptron de três camadas

Freire, Luiza Beana Chipansky
Fonte: Universidade Federal do Paraná Publicador: Universidade Federal do Paraná
Tipo: Dissertação Formato: 75f. : il., tabs., algumas color., grafs.; application/pdf
PORTUGUêS
Relevância na Pesquisa
46.34%
Orientador : Prof. Dr. Eduardo Gonçalves de Lima; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa: Curitiba, 06/03/2015; Inclui referências; Área de concentração: Telecomunicações; Resumo: Este trabalho se utiliza das redes neurais artificiais (RNAs) não recursivas, com a topologia perceptron de múltiplas camadas (MLP - Multi Layer Perceptron), como ferramenta para a modelagem comportamental das características de transferência direta e inversa de amplificadores de potência (PAs - Power Amplifiers) para sistemas de comunicação sem fio. São propostas duas estruturas MLP, uma para a modelagem comportamental e outra para a extração do inverso do comportamento do PA, usando um pósdistorçor (PoD - Post-Distorter). Ambos novos modelos apresentaram melhor desempenho computacional e menores erros de modelagem que abordagens anteriores. Sobre o teste do modelo comportamental baseado em 2 redes MLP com 1 saída cada, dois resultados importantes foram obtidos: primeiro, com um número semelhante de números de coeficientes, foi observado que o erro quadrático médio normalizado (NMSE - normalized mean square error) diminui de 1,3 dB com a utilização do modelo proposto em comparação com a abordagem tradicional que utiliza 1 rede MLP com 2 saídas; segundo...

Understanding Dropout: Training Multi-Layer Perceptrons with Auxiliary Independent Stochastic Neurons

Cho, Kyunghyun
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Relevância na Pesquisa
56.04%
In this paper, a simple, general method of adding auxiliary stochastic neurons to a multi-layer perceptron is proposed. It is shown that the proposed method is a generalization of recently successful methods of dropout (Hinton et al., 2012), explicit noise injection (Vincent et al., 2010; Bishop, 1995) and semantic hashing (Salakhutdinov & Hinton, 2009). Under the proposed framework, an extension of dropout which allows using separate dropping probabilities for different hidden neurons, or layers, is found to be available. The use of different dropping probabilities for hidden layers separately is empirically investigated.; Comment: ICONIP 2013: Special Session in Deep Learning (v4)

Time series modeling with pruned multi-layer perceptron and 2-stage damped least-squares method

Voyant, Cyril; Tamas, Wani W.; Paoli, Christophe; Balu, Aurélia; Muselli, Marc; Nivet, Marie Laure; Notton, Gilles
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 08/08/2013
Relevância na Pesquisa
66.2%
A Multi-Layer Perceptron (MLP) defines a family of artificial neural networks often used in TS modeling and forecasting. Because of its "black box" aspect, many researchers refuse to use it. Moreover, the optimization (often based on the exhaustive approach where "all" configurations are tested) and learning phases of this artificial intelligence tool (often based on the Levenberg-Marquardt algorithm; LMA) are weaknesses of this approach (exhaustively and local minima). These two tasks must be repeated depending on the knowledge of each new problem studied, making the process, long, laborious and not systematically robust. In this paper a pruning process is proposed. This method allows, during the training phase, to carry out an inputs selecting method activating (or not) inter-nodes connections in order to verify if forecasting is improved. We propose to use iteratively the popular damped least-squares method to activate inputs and neurons. A first pass is applied to 10% of the learning sample to determine weights significantly different from 0 and delete other. Then a classical batch process based on LMA is used with the new MLP. The validation is done using 25 measured meteorological TS and cross-comparing the prediction results of the classical LMA and the 2-stage LMA.

Hybrid Optimized Back propagation Learning Algorithm For Multi-layer Perceptron

Chakraborty, Mriganka; Ghosh, Arka
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 07/12/2012
Relevância na Pesquisa
66.2%
Standard neural network based on general back propagation learning using delta method or gradient descent method has some great faults like poor optimization of error-weight objective function, low learning rate, instability .This paper introduces a hybrid supervised back propagation learning algorithm which uses trust-region method of unconstrained optimization of the error objective function by using quasi-newton method .This optimization leads to more accurate weight update system for minimizing the learning error during learning phase of multi-layer perceptron.[13][14][15] In this paper augmented line search is used for finding points which satisfies Wolfe condition. In this paper, This hybrid back propagation algorithm has strong global convergence properties & is robust & efficient in practice.; Comment: Accepted for publish in 18th December, 2012,International Journal of Computer Applications, Foundation of Computer Science, New York, USA

Meteorological time series forecasting with pruned multi-layer perceptron and 2-stage Levenberg-Marquardt method

Voyant, Cyril; Tamas, Wani W.; Nivet, Marie Laure; Notton, Gilles; Paoli, Christophe; Balu, Aurélia; Muselli, Marc
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 08/07/2014
Relevância na Pesquisa
66.2%
A Multi-Layer Perceptron (MLP) defines a family of artificial neural networks often used in TS modeling and forecasting. Because of its "black box" aspect, many researchers refuse to use it. Moreover, the optimization (often based on the exhaustive approach where "all" configurations are tested) and learning phases of this artificial intelligence tool (often based on the Levenberg-Marquardt algorithm; LMA) are weaknesses of this approach (exhaustively and local minima). These two tasks must be repeated depending on the knowledge of each new problem studied, making the process, long, laborious and not systematically robust. In this paper a pruning process is proposed. This method allows, during the training phase, to carry out an inputs selecting method activating (or not) inter-nodes connections in order to verify if forecasting is improved. We propose to use iteratively the popular damped least-squares method to activate inputs and neurons. A first pass is applied to 10% of the learning sample to determine weights significantly different from 0 and delete other. Then a classical batch process based on LMA is used with the new MLP. The validation is done using 25 measured meteorological TS and cross-comparing the prediction results of the classical LMA and the 2-stage LMA.; Comment: International Journal of Modelling...

Handwritten Arabic Numeral Recognition using a Multi Layer Perceptron

Das, Nibaran; Mollah, Ayatullah Faruk; Saha, Sudip; Haque, Syed Sahidul
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 09/03/2010
Relevância na Pesquisa
66.2%
Handwritten numeral recognition is in general a benchmark problem of Pattern Recognition and Artificial Intelligence. Compared to the problem of printed numeral recognition, the problem of handwritten numeral recognition is compounded due to variations in shapes and sizes of handwritten characters. Considering all these, the problem of handwritten numeral recognition is addressed under the present work in respect to handwritten Arabic numerals. Arabic is spoken throughout the Arab World and the fifth most popular language in the world slightly before Portuguese and Bengali. For the present work, we have developed a feature set of 88 features is designed to represent samples of handwritten Arabic numerals for this work. It includes 72 shadow and 16 octant features. A Multi Layer Perceptron (MLP) based classifier is used here for recognition handwritten Arabic digits represented with the said feature set. On experimentation with a database of 3000 samples, the technique yields an average recognition rate of 94.93% evaluated after three-fold cross validation of results. It is useful for applications related to OCR of handwritten Arabic Digit and can also be extended to include OCR of handwritten characters of Arabic alphabet.; Comment: Proc. National Conference on Recent Trends in Information Systems (ReTIS-06)...

A comparative study of different feature sets for recognition of handwritten Arabic numerals using a Multi Layer Perceptron

Das, Nibaran; Mollah, Ayatullah Faruk; Sarkar, Ram; Basu, Subhadip
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 09/03/2010
Relevância na Pesquisa
66.2%
The work presents a comparative assessment of seven different feature sets for recognition of handwritten Arabic numerals using a Multi Layer Perceptron (MLP) based classifier. The seven feature sets employed here consist of shadow features, octant centroids, longest runs, angular distances, effective spans, dynamic centers of gravity, and some of their combinations. On experimentation with a database of 3000 samples, the maximum recognition rate of 95.80% is observed with both of two separate combinations of features. One of these combinations consists of shadow and centriod features, i. e. 88 features in all, and the other shadow, centroid and longest run features, i. e. 124 features in all. Out of these two, the former combination having a smaller number of features is finally considered effective for applications related to Optical Character Recognition (OCR) of handwritten Arabic numerals. The work can also be extended to include OCR of handwritten characters of Arabic alphabet.; Comment: Proc. National Conference on Recent Trends in Intelligent Computing (ReTIC-06), Nov 17-19, 2006, Kalyani, India, pp. 86-92

Functional Multi-Layer Perceptron: a Nonlinear Tool for Functional Data Analysis

Rossi, Fabrice; Conan-Guez, Brieuc
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 23/09/2007
Relevância na Pesquisa
56.04%
In this paper, we study a natural extension of Multi-Layer Perceptrons (MLP) to functional inputs. We show that fundamental results for classical MLP can be extended to functional MLP. We obtain universal approximation results that show the expressive power of functional MLP is comparable to that of numerical MLP. We obtain consistency results which imply that the estimation of optimal parameters for functional MLP is statistically well defined. We finally show on simulated and real world data that the proposed model performs in a very satisfactory way.; Comment: http://www.sciencedirect.com/science/journal/08936080

Blocking Adult Images Based on Statistical Skin Detection

Zheng, Huicheng; Daoudi, Mohamed; Jedynak, Bruno
Fonte: Universidade Autônoma de Barcelona Publicador: Universidade Autônoma de Barcelona
Tipo: Artigo de Revista Científica Formato: application/pdf
Publicado em //2004 ENG
Relevância na Pesquisa
66.29%
This work is aimed at the detection of adult images that appear in Internet. Skin detection is of the paramount importance in the detection of adult images. We build a maximum entropy model for this task. This model, called the First Order Model in this paper, is subject to constraints on the color gradients of neighboring pixels. Parameter estimation as well as optimization cannot be tackled without approximations. With Bethe tree approximation, parameter estimation is eradicated and the Belief Propagation algorithm permits to obtain exact and fast solution for skin probabilities at pixel locations. We show by the Receiver Operating Characteristics (ROC) curves that our skin detection improves the performance in the previous work in the context of skin pixel detecton rate and false positive rate. The output of skin detection is a grayscale skin map with the gray level indicating the belief of skin. We then calculate 9 simple features from this map which form a feature vector. We use the fit ellipses to catch the characteristics of skin distribution. Two fit ellipses are used for each skin map---the fit ellipse of all skin regions and the fit ellipse of the largest skin region. They are called respectively Global Fit Ellipse and Local Fit Ellipse in this paper. A multi-layer perceptron classifier is trained for these features. Plenty of experimental results are presented including photographs and a ROC curve calculated over a test set of 5...