Aplicações de Redes Neurais Artificiais em

bases de dados públicas

Fernando Meira Souza Braz de Matos

Leonel Fonseca Ivo

Contextualização

Divisão do trabalho

Doenças Cardíacas

Contagem de Pessoas

Previsão de Resultados

Bases de Dados

Bases de dados obtidas

Base Heart – UCI

Base Building – UCI

Base da ESPN

Classificações

Doenças Cardíacas

Classificação usando MLP

Classificação usando Perceptron Simples

Classificação usando KNN

Regressões

Contagem de Pessoas

Regressão usando Adaline

Regressão usando MLP

Previsão

Previsão de resultados de jogos

Modelagem

Implementação usando Perceptron Simples

Previsão

Previsão de resultados de jogos

Modelagem

Entrada da rede: matriz NxM, sendo N o número de jogos da rodada e M o número de características sendo analisadas

Saída da rede: Melhores valores dos pesos das características para a rodada no geral

Previsão

Previsão de resultados de jogos

Modelagem Não seria utilizada uma matriz de saída esperada

Utilização de uma matriz para guardar os melhores valores dos pesos de cada característica, em cada rodada

Utilização dos valores salvos na tabela acima descrita para cálculo da força do time

Previsão

Previsão de resultados de jogos

Modelagem

F: força do time na rodada r: peso da rodada em relação à data v: vetor com os valores de cada característica do jogo da rodada p: vetor com os valores de importância de cada característica

m

i

ipivrF1

)()(

Dúvidas

Referências

Antônio de Padua Braga, Andre Ponce de Leon F. de Carvalho, and Teresa Bernarda Ludermir. Redes Neurais Articiais: Teoria e Aplicações. LTC, Rio de Janeiro, 2 edition, 2007.