| Téléchargement | - Voir le manuscrit accepté : Virtual Reality Visual Data Mining via Neural Networks Obtained from Multi-objective Evolutionary Optimization: Application to Geophysical Prospecting (PDF, 660 Kio)
|
|---|
| Auteur | Rechercher : Valdés, Julio; Rechercher : Barton, Alan |
|---|
| Format | Texte, Article |
|---|
| Conférence | 2006 IEEE International Joint Conference on Neural Networks (IJCNN 2006), July 16-21, 2006, Vancouver, British Columbia, Canada |
|---|
| Résumé | Nous présentons une méthode permettant de construire des espaces de réalité virtuelle pour la fouille visuelle des données au moyen de l'optimisation multi objectif avec des algorithmes génétiques appliqués à des réseaux neuronaux discriminants non linéaires (NDA pour non-linear discriminant). Deux couches de réseaux neuronaux (sortie et dernier caché) sont utilisées pour construire des solutions simultanées pour : la classification supervisée des motifs de données et la préservation non supervisée de la structure de similarité entre la matrice de données originale et son image dans le nouvel espace. Un ensemble d'espaces sont construits à partir de solutions sélectionnées le long du front de Pareto. Cette stratégie représente une amélioration conceptuelle par rapport aux espaces calculés par la méthode de l'optimisation mono objectif. En outre, on a recours à la programmation génétique (en particulier à la programmation de l'expression des gènes) pour trouver des représentations analytiques des fonctions complexes qui génèrent les espaces (une composition de la méthode du discriminant non linéaire et des composantes principales orthogonales). L'approche présentée est indépendante du domaine et elle est illustrée par une application à la prospection géophysique des cavernes. |
|---|
| Date de publication | 2006 |
|---|
| Dans | |
|---|
| Langue | anglais |
|---|
| Numéro du CNRC | NRCC 48504 |
|---|
| Numéro NPARC | 8914019 |
|---|
| Exporter la notice | Exporter en format RIS |
|---|
| Signaler une correction | Signaler une correction (s'ouvre dans un nouvel onglet) |
|---|
| Identificateur de l’enregistrement | ac150ffc-f6be-453e-8434-97be3579af9d |
|---|
| Enregistrement créé | 2009-04-22 |
|---|
| Enregistrement modifié | 2020-10-09 |
|---|
