Markov Logic Networks
Mostrando 1-5 de 5 artigos, teses e dissertações.
-
1. Redes lógicas de Markov aplicadas ao aprendizado de classificadores automáticos de dados. / Markov logic networks applied to learning of automatic data classifiers.
Sistemas de computação têm se tornado maiores e mais complexos com o objetivo de lidar com a vasta quantidade de dados disponíveis. Uma tarefa decisiva em tais sistemas é classificar estes dados, bem como extrair informação útil destes. Nesta dissertação, testam-se as redes lógicas de Markov como linguagem para especificação e aprendizado de cla
Publicado em: 2010
-
2. AQUISIÇÃO AUTOMATIZADA DE HIERARQUIAS DE CONCEITOS DE ONTOLOGIAS UTILIZANDO APRENDIZAGEM ESTATÍSTICA RELACIONAL / AUTOMATED ACQUISITION OF CONCEPTS OF HIERARCHIES ONTOLOGY USING STATISTICAL RELATIONAL LEARNING
Os formalismos de representação do conhecimento como as ontologias têm se mostrado uma poderosa ferramenta para melhorar a efetividade de sistemas de processamento da linguagem natural, recuperação e filtragem de informação e muitas outras tarefas. Além disso, as ontologias são essenciais para a Web Semântica, uma nova geração da Web que visa est
Publicado em: 2009
-
3. Compact representations of Markov decision processes and their application to printer management. / Representações compactas para processos de decisão de Markov e sua aplicação na adminsitração de impressoras.
Markov Decision Processes (MDPs) are an important tool for planning and optimization in environments under uncertainty. The specification and computational representation of the probability distributions underlying MDPs are central difficulties for their application. This work proposes two strategies for representation of probabilities in a compact and effic
Publicado em: 2006
-
4. Extração de conhecimento a partir de redes reurais recorrentes / knowledge extraction from recurrent neural networks
ln this work a method ofknowledge extraction from Recurrent Neural Network is proposed. Express formally the knowledge stored inside an Artificial Neural Network is a great challenge, because such knowledge has to be reformulated and presented by simple and understandable means. Three symbolic formats are presented for the representation of this knowledge: F
Publicado em: 2004
-
5. BAYESIAN LEARNING FOR NEURAL NETWORKS / APRENDIZADO BAYESIANO PARA REDES NEURAIS
This dissertation investigates the Bayesianan Neural Networks, which is a new approach that merges the potencial of the artificial neural networks with the robust analytical analysis of the Bayesian Statistic. Typically, theconventional neural networks such as backpropagation, have good performance but presents problems of convergence, when enough data for t
Publicado em: 1999