Mapas auto-organizáveis
Como resultado do conhecimento que obtive em minhas pesquisas sobre mineração de dados, produzi um software e framework Java para treinamento de uma rede de neurônios artificiais através de um algoritmo conhecido como mapas auto-organizáveis de kohonen ou, simplesmente, SOM – Self Organizing Maps.
A parte gráfica em 3D do aplicativo foi produzida com base no plot3d, outro framework que produzi para a plotagem de dados e funções em 3D. O aplicativo permite a configuração da rede neurônios (ou mapa), carregamento de dados de entrada ou amostras da base de dados que devem estar previamente armazenadas em um arquivo de texto, geração de dados aleatórios para fins de teste, visualização antes, durante e depois do treinamento da rede de neurônios, além de outras funcionalidades. A parte 3D do aplicativo permite a rotação com uso do mouse!
Esta página está desatualizada. Existe outra página que dá continuidade a esta. Visite ela clicando aqui.
Abaixo o framework e aplicativo Java SOM para download:
Download: SOM.zip
Download do trabalho escrito logo abaixo:
MAPAS AUTO-ORGANIZÁVEIS APLICADOS EM MINERAÇÃO E AGRUPAMENTO DE DADOS.pdf
Abaixo, imagens capturadas do aplicativo SOM em execução:
Escrevi um também texto com estrutura semelhante a de uma dissertação ou livro que intitulei de:
MAPAS AUTO-ORGANIZÁVEIS APLICADOS EM MINERAÇÃO E AGRUPAMENTO DE DADOS.Faça o download da dissertação em formato PDF clicando aqui
RESUMO do trabalho escrito
Esse trabalho foca o ensino/aprendizagem dos mapas auto-organizáveis de Kohonen, bem como, sua aplicação. A introdução diz respeito aos conceitos iniciais sobre mineração de dados como uma área da inteligência artificial. Em seguida, na fundamentação teórica são mostradas opiniões de outras pessoas sobre mineração de dados e seus algoritmos. Logo após vem o terceiro capítulo que trata exclusivamente da mineração de dados, dando ênfase aos conceitos associados, bem como, o KDD e técnicas de mineração de dados como: memória associativa e regressão linear, assim como, introdução as redes neurais artificiais, finalizando o capítulo com a abordagem de três algoritmos bastante conhecidos, são eles: K-Means, SOM e GNG. Em seguida vem um capítulo inteiro dedicado aos mapas auto-organizáveis, em que são abordados os conceitos iniciais sobre o algoritmo como, vizinhança entre os neurônios, função de vizinhança, raio de vizinhança, taxa de aprendizado, medidas de avaliação e fases dos SOM, entre outros pontos importantes do algoritmo. Na sequência, vem o capítulo onde são mostrados os resultados obtidos com a aplicação dos mapas auto-organizáveis. Para tanto, foram utilizados o software e linguagem de programação suportada pelo Octave, além da implementação dos mapas auto-organizáveis como framework e software Java. Por fim, vem o capítulo com as considerações finais onde é considerado que o algoritmo SOM é ótima escolha para o agrupamento de dados, a pesar da sua desvantagem associada a complexidade de configuração. Inclusive, é considerada também a possibilidade de utilização dos SOM em conjunto com o K-Means.
Faça o download da dissertação em formato PDF clicando aquiPessoal, façam o download do aplicativo SOM e da dissertação. Caso gostem, podem deixar comentário logo abaixo, mandar um e-mail para italoherbert@outlook.com ou entrar em contato de alguma outra forma.
