Apresentação final de dissertação para obtenção do título de mestre em métodos de apoio a decisão com ênfase em métodos estatísticos e inteligência computacional.
PLANO DE NEGÓCIOS: RESTAURANTE EMPÓRIO APRAZÍVELAnderson Pinho
Este plano de negócios objetivou estudar e analisar o mercado de restaurantes no Rio de Janeiro para, posteriormente, estruturar um novo conceito de prestação de serviço de alimentação customizado. Tendo em vista os hábitos e cultura, preocupada com bem-estar, saúde e forma física da população do Rio de Janeiro, identificou-se a oportunidade de um restaurante cuja oferta alimentar se enquadre ao perfil e à necessidade individual dos consumidores. O restaurante propõe acompanhar o cliente em seu programa de dieta. Este programa terá
objetivos distintos conforme a necessidade de cada indivíduo, como por exemplo, perda, manutenção ou aumento de peso, dieta específica para diabéticos e hipertensos e etc. Haverá o acompanhamento nutricional dos clientes através de um relacionamento estreito com forte investimento em ações de CRM, data mining e pós-venda. O restaurante montará programas customizados para cada cliente dentro
de uma oferta pré-elaborada por nutricionistas. Além de criar a maximização de satisfação e bem-estar, a oferta customizada gera alta percepção de valor. Isso mostra que o restaurante passará a fazer parte do cotidiano do cliente, assim, será mais que um restaurante será uma solução em alimentação.
Estratégias de Retenção de Clientes no Marketing de RelacionamentoAnderson Pinho
As atuais práticas do mercado provam que é mais lucrativos para a empresa o investimento no relacionamento com o cliente com foco na retenção, do que outros resultados obtidos por incrementos na carteira. Conhecendo-se os riscos associados ao desligamento de um cliente, as empresas podem direcionar estratégias de marketing na busca da retenção para os clientes com maiores chances de evasão. Isto otimiza os resultados de marketing, pois clientes com baixo risco de perda deixam de ser atingidos.
Empresas no ramo de seguros de plano de saúde devem se preocupar em criar valor para seus assegurados neste mercado que pouco se assemelha ao transacional, como ocorre nos grandes varejos. Clientes que optam por adquirir um plano de saúde em sua grande maioria buscam um relacionamento de médio para longo prazo. Seguradoras que souberem utilizar uma gestão inteligente do negócio agregando valor contínuo, identificando e antecipando-se a possível perda de um cliente, estarão contribuindo para o sucesso da empresa. Por estes motivos, nosso objetivo aqui será de desenvolver um modelo estatístico que identifique uma possível futura perda do cliente, para que as empresas foquem seus recursos na retenção deste, maximizando os resultados da corporação e satisfação do cliente.
Previsão de Inadimplência por Redes Neurais Artificiais na Presença de Baixo ...Anderson Pinho
A análise de inadimplência creditícia tem sido objeto de estudo para diversos pesquisadores e profissionais. Mesmo em casos onde há ocorrência da inadimplência é um evento quase raro, empresas concessionárias de empréstimos precisam se apoiar em boas práticas de concessão de empréstimos por diversos motivos. O presente artigo visa estudar o fenômeno da inadimplência através de redes neurais artificiais neste ambiente de baixa inadimplência. Para isto, utilizaremos uma base de dados real de uma cooperativa de crédito brasileira para estudo e aplicação das técnicas aqui apresentadas.
Modelagem de Cross Selling no Marketing de Relacionamento por Máquinas de Vet...Anderson Pinho
Analistas de marketing estão freqüentemente em busca de novas maneiras de se vender mais produtos e serviços para os mesmos clientes. É de grande debate em processos KDD (Knowledge Discovery Database) a discussão sobre modelagem de cross-selling, ou venda cruzada, pela aplicação de tradicionais técnicas de inteligência computacional e estatísticas como Redes Neurais e Regressão Logística. O presente artigo abordará a técnica conhecida como Máquinas de Vetor de Suporte (MVS) para resolução de problemas desta natureza em contrapartida as demais já utilizadas. No presente artigo, utilizaremos uma base de dados real de uma empresa vendedora de motos a pessoas físicas como aplicação da técnica. MVS trata-se de um tipo especial de redes neurais alimentadas adiante, e representa real vantagem às outras técnicas, pois permite ao analista o domínio na determinação das superfícies de separação entre grupos, em nosso caso, de interessados e não interessados na compra de outra moto. Esta predição é interessante do ponto de vista de marketing, pois permite a antecipação pela empresa de um desejo do cliente, viabilizando uma ação de marketing pró-ativa para incremento de receita através da venda focada.
Mineração de Dados com Mapas de Kohonen: Uma Abordagem no Setor FinanceiroAnderson Pinho
O presente artigo objetivará a aplicação de Mapas de Kohonen na identificação de perfis de clientes, ou clusters, como estratégias de diferenciação no marketing empresarial. Clientes que decidem por investir em ações na Bolsa de Valores de São Paulo (Bovespa) podem optar por ações de empresas nos mais diversos ramos de atividade. Se gestores do marketing souberem explicitar o conhecimento necessário para diferenciar clientes de acordo com o setor em que operam na bolsa de valores, estes poderão incorporar este conhecimento nos processos da empresa, maximizando lucros e resultados. Mapas de Kohonen representam uma classe de modelos de redes neurais denominados mapas auto-organizáveis e seu potencial de aplicação em processos de descoberta de conhecimento representa alguma vantagem competitiva. Em nosso caso de aplicação isto significa separar clientes de acordo com suas concentrações de operações na Bovespa nos 10 possíveis mercados de ações. Os resultados mostrarão que clientes podem ser agrupados em 1 de 6 clusters diferentes, cada um com características bastante singulares.
Estratégias de Marketing através de Análise RFV do Cliente e Lógica Fuzzy, no...Anderson Pinho
O presente artigo objetivará a criação de um modelo de inferência fuzzy o qual classifique corretamente futuros clientes evasivos para uma empresa. Em estratégias de marketing, é de grande dúvida para a empresa quais clientes abordar numa campanha, ou quais clientes apresentam maiores chances de evasão. Para responderem a isto, muitos pesquisadores têm recorrido a informações de recência, freqüência e valor do cliente, na mineração de conhecimento valioso o qual possa ser utilizado. Lógica fuzzy será um diferencial competitivo na identificação destes clientes, pois permitirá a criação de um modelo preciso de classificação, alinhado ao conhecimento lingüístico explícito do especialista de marketing.
Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordag...Anderson Pinho
O presente artigo objetivará a evolução de regras
de decisão por Algoritmos Genéticos as quais
classifiquem corretamente futuros clientes
evasivos para a empresa. Em estratégias de
marketing, é de grande dúvida para a empresa
quais clientes abordar numa campanha, ou quais
clientes apresentam maiores chances de evasão.
Para responderem a isto, muitos pesquisadores
têm recorrido a informações de recência,
freqüência e valor do cliente, na mineração de
conhecimento valioso o qual possa ser utilizado.
Algoritmos Genéticos demonstrará um diferencial
competitivo na explicitação deste conhecimento,
pois permitirá uma simples integração com
processos empresaria, de fácil entendimento para
o usuário.
A New Model for Credit Approval Problems a Neuro Genetic System with Quantum ...Anderson Pinho
This paper presents a new model for neuro-evolutionary systems. It is a new quantum-inspired evolutionary algorithm with binary-real representation (QIEA-BR) for evolution of a neural network. The proposed model is an extension of the QIEA-R developed for numerical optimization. The Quantum-Inspired Neuro-Evolutionary Computation model (QINEA-BR) is able to completely configure a feed-forward neural network in terms of selecting the relevant input variables, number of neurons in the hidden layer and all existent synaptic weights. QINEA-BR is evaluated in a benchmark problem of financial credit evaluation. The results obtained demonstrate the effectiveness of this new model in comparison with other machine learning and statistical models, providing good accuracy in separating good from bad customers.
Previsão de Inadimplência por Redes Neurais ArtificiaisAnderson Pinho
A análise de inadimplência creditícia tem sido objeto de estudo para diversos pesquisadores e profissionais. Mesmo em casos onde há ocorrência da inadimplência é um evento quase raro, empresas concessionárias de empréstimos precisam se apoiar em boas práticas de concessão de empréstimos por diversos motivos. O presente artigo visa estudar o fenômeno da inadimplência através de redes neurais artificiais neste ambiente de baixa inadimplência. Para isto, utilizaremos uma base de dados real de uma cooperativa de crédito brasileira para estudo e aplicação das técnicas aqui apresentadas.
Modelagem de Cross-Selling no Marketing de Relacionamento por Máquinas de Vet...Anderson Pinho
Analistas de marketing estão freqüentemente em busca de novas maneiras de se vender mais produtos e serviços para os mesmos clientes. É de grande debate em processos KDD (Knowledge Discovery Database) a discussão sobre modelagem de cross-selling, ou venda cruzada, pela aplicação de tradicionais técnicas de inteligência computacional e estatísticas como Redes Neurais e Regressão Logística. O presente artigo abordará a técnica conhecida como Máquinas de Vetor de Suporte (MVS) para resolução de problemas desta natureza em contrapartida as demais já utilizadas. No presente artigo, utilizaremos uma base de dados real de uma empresa vendedora de motos a pessoas físicas como aplicação da técnica. MVS trata-se de um tipo especial de redes neurais alimentadas adiante, e representa real vantagem às outras técnicas, pois permite ao analista o domínio na determinação das superfícies de separação entre grupos, em nosso caso, de interessados e não interessados na compra de outra moto. Esta predição é interessante do ponto de vista de marketing, pois permite a antecipação pela empresa de um desejo do cliente, viabilizando uma ação de marketing pró-ativa para incremento de receita através da venda focada.
Estratégias de Marketing através de Análise RFV do Cliente e Lógica Fuzzy, no...Anderson Pinho
O presente artigo objetivará a criação de um modelo de inferência fuzzy o qual classifique corretamente futuros clientes evasivos para uma empresa. Em estratégias de marketing, é de grande dúvida para a empresa quais clientes abordar numa campanha, ou quais clientes apresentam maiores chances de evasão. Para responderem a isto, muitos pesquisadores têm recorrido a informações de recência, freqüência e valor do cliente, na mineração de conhecimento valioso o qual possa ser utilizado. Lógica fuzzy será um diferencial competitivo na identificação destes clientes, pois permitirá a criação de um modelo preciso de classificação, alinhado ao conhecimento lingüístico explícito do especialista de marketing.
A New Model for Credit Approval Problems: A Neuro-Genetic System with Quantum...Anderson Pinho
This paper presents a new model for neuro-evolutionary systems. It is a new quantum-inspired evolutionary algorithm with binary-real representation (QIEA-BR) for evolution of a neural network. The proposed model is an extension of the QIEA-R developed for numerical optimization. The Quantum-Inspired Neuro-Evolutionary Computation model (QINEA-BR) is able to completely configure a feed-forward neural network in terms of selecting the relevant input variables, number of neurons in the hidden layer and all existent synaptic weights. QINEA-BR is evaluated in a benchmark problem of financial credit evaluation. The results obtained demonstrate the effectiveness of this new model in comparison with other machine learning and statistical models, providing good accuracy in separating good from bad customers.
Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordag...Anderson Pinho
O presente artigo objetivará a evolução de regras
de decisão por Algoritmos Genéticos as quais
classifiquem corretamente futuros clientes
evasivos para a empresa. Em estratégias de
marketing, é de grande dúvida para a empresa
quais clientes abordar numa campanha, ou quais
clientes apresentam maiores chances de evasão.
Para responderem a isto, muitos pesquisadores
têm recorrido a informações de recência,
freqüência e valor do cliente, na mineração de
conhecimento valioso o qual possa ser utilizado.
Algoritmos Genéticos demonstrará um diferencial
competitivo na explicitação deste conhecimento,
pois permitirá uma simples integração com
processos empresaria, de fácil entendimento para
o usuário.
Mineração de Dados com Mapas de Kohonen: Uma Abordagem no Setor FinanceiroAnderson Pinho
O presente artigo objetivará a aplicação de Mapas de Kohonen na identificação de perfis de clientes, ou clusters, como estratégias de diferenciação no marketing empresarial. Clientes que decidem por investir em ações na Bolsa de Valores de São Paulo (Bovespa) podem optar por ações de empresas nos mais diversos ramos de atividade. Se gestores do marketing souberem explicitar o conhecimento necessário para diferenciar clientes de acordo com o setor em que operam na bolsa de valores, estes poderão incorporar este conhecimento nos processos da empresa, maximizando lucros e resultados. Mapas de Kohonen representam uma classe de modelos de redes neurais denominados mapas auto-organizáveis e seu potencial de aplicação em processos de descoberta de conhecimento representa alguma vantagem competitiva. Em nosso caso de aplicação isto significa separar clientes de acordo com suas concentrações de operações na Bovespa nos 10 possíveis mercados de ações. Os resultados mostrarão que clientes podem ser agrupados em 1 de 6 clusters diferentes, cada um com características bastante singulares.
Atividade - Letra da música "Tem Que Sorrir" - Jorge e MateusMary Alvarenga
A música 'Tem Que Sorrir', da dupla sertaneja Jorge & Mateus, é um apelo à reflexão sobre a simplicidade e a importância dos sentimentos positivos na vida. A letra transmite uma mensagem de superação, esperança e otimismo. Ela destaca a importância de enfrentar as adversidades da vida com um sorriso no rosto, mesmo quando a jornada é difícil.
Slides Lição 9, Betel, Ordenança para uma vida de santificação, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 9, Betel, Ordenança para uma vida de santificação, 2Tr24, Pr Henrique, EBD NA TV, 2° TRIMESTRE DE 2024, ADULTOS, EDITORA BETEL, TEMA, ORDENANÇAS BÍBLICAS, Doutrina Fundamentais Imperativas aos Cristãos para uma vida bem-sucedida e de Comunhão com DEUS, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Comentários, Bispo Abner Ferreira, Com. Extra Pr. Luiz Henrique, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique
regulamento de uniformes do colegio da policia militar do estado do tocantins regulamento de uniformes do colegio da policia militar do estado do tocantins regulamento de uniformes do colegio da policia militar do estado do tocantins regulamento de uniformes do colegio da policia militar do estado do tocantins regulamento de uniformes do colegio da policia militar do estado do tocantins regulamento de uniformes do colegio da policia militar do estado do tocantins regulamento de uniformes do colegio da policia militar do estado do tocantins
América Latina: Da Independência à Consolidação dos Estados NacionaisValéria Shoujofan
Aula voltada para alunos do Ensino Médio focando nos processos de Independência da América Latina a partir dos antecedentes até a consolidação dos Estados Nacionais.
livro em pdf para professores da educação de jovens e adultos dos anos iniciais ( alfabetização e 1º ano)- material excelente para quem trabalha com turmas de eja. Material para quem dar aula na educação de jovens e adultos . excelente material para professores
Sequência Didática - Cordel para Ensino Fundamental ILetras Mágicas
Sequência didática para trabalhar o gênero literário CORDEL, a sugestão traz o trabalho com verbos, mas pode ser adequado com base a sua realidade, retirar dos textos palavras que iniciam com R ou pintar as palavras dissílabas ...
Sequência Didática - Cordel para Ensino Fundamental I
Algoritmos Genéticos com Inspiração Quântica e Representação Mista Aplicados à Neuroevolução
1. 1
Rio de Janeiro, 1 de Outubro de 2010.
Algoritmos Genéticos com Inspiração Quântica e Representação Mista
Aplicados à Neuroevolução
Anderson Guimarães de Pinho
2. 2
1) Contextualização
2) Algoritmo AEIQ-BR
3) Algoritmo NEIQ-BR
4) Resultados
5) Conclusões
Algoritmos Genéticos com Inspiração Quântica e Representação Mista
Aplicados à Neuroevolução
3. 3
1) Contextualização
2) Algoritmo AEIQ-BR
3) Algoritmo NEIQ-BR
4) Resultados
5) Conclusões
Algoritmos Genéticos com Inspiração Quântica e Representação Mista
Aplicados à Neuroevolução
5. 5
Contextualização
• Ambiente de Estudo
Mineração de dados com algoritmos evolutivos (AE)
Algoritmos
Genéticos
Programação
Genética
Evolução
Diferencial Algoritmos
Culturais
Programação
Evolutiva
AE com Inspiração
na física Quântica
6. 6
Contextualização
• Ambiente de Estudo
Mineração de dados com algoritmos evolutivos (AE)
AE com Inspiração
na física Quântica
Kim et al
Jang et al
Abs da Cruz
Han et al
Li et al
Talbi et al
Mahdabi et al
Han e Kin
Arpaia et al
7. 7
Contextualização
• Inspiração
“... mais recentes avanços na área de computação evolutiva
[6]. AEIQ são baseados em princípios da física quântica
como conceito de q-bit e superposição de estados [11]. O
principal objetivo em se buscar inspiração na física
quântica é utilizar conceitos de múltiplos universos para
melhoria do desempenho dos algoritmos genéticos (AG)
tradicionais.”
11. 11
Contextualização
• Ambiente de Estudo
Mineração de dados com algoritmos evolutivos (AE)
AE com Inspiração
na física Quântica
Kim et al
Jang et al
Abs da Cruz
Han et al
Li et al
Talbi et al
Mahdabi et al
Han e Kin
Arpaia et al
12. 12
• Características do AEIQ-B e AEIQ-R
Contextualização
Representação
Binária
Problemas
Combinatórios
Estado de um
Q-Bit
Motivação em
relação à AG
tradicionais
Excelente
otimizador
global
Representação
Real
Problemas
Numéricos
Estado de um
Q-Real
Motivação em
relação ao
AEIQ-B
Maior
velocidade e
precisão
AEIQ-B de
Han et al
AEIQ-R de
Abs da Cruz
14. 14
Evolução
Diferencial
Contextualização
• Ambiente de Estudo
Mineração de dados com algoritmos evolutivos (AE)
Algoritmos
Genéticos
Programação
Genética
Algoritmos
Culturais
Programação
Evolutiva
AE com Inspiração
na física Quântica
15. 15
Contextualização
• O que se encontra:
Otimização da topologia das camadas escondidas e de entrada;
Seleção dos padrões de entrada;
Obtenção dos pesos dos neurônios;
Seleção de funções de avaliação;
Na ativação do neurônio, selecionando funções e otimizando parâmetros;
No aprendizado da rede, otimizando regras e parâmetros.
AE em Redes
Neurais Artificiais
16. 16
• Ambiente de Estudo
AE com Inspiração
na física Quântica
AE em Redes
Neurais Artificiais
Kim et al
Jang et al
Abs da Cruz
Han et al
Li et al
Talbi et al
Mahdabi et al
Han e Kin
Arpaia et al
Lacerda et al
Zhan et al
Pedrajas et al
Abraham Gomez et al
Blanco et al
Delgado e Pegalajar
Paz e Kamath
Abs
da Cruz
Capi e Doya
Kim e Cho
Pedrajas e Boyer
Contextualização
Mineração de dados com algoritmos evolutivos (AE)
Abs da
Cruz
18. 18
Contextualização
• O que se propõe é:
AEIQ-BR
=+
NEIQ-BR
AEIQ-B de
Han et al
AEIQ-R de
Abs da Cruz
NEIQ-R de
Abs da Cruz
(1) (2)
19. 19
Contextualização
• Além disso ...
... resultados serão orientados por:
Teste em casos benchmark e reais com
diferentes níveis de dificuldade.
Avaliação dos resultados em termos de acurácia
e área sob a curva ROC.
Separação do banco de dados entre grupo de
teste e treinamento.
Comparação com resultados obtidos por outros
pesquisadores.
Apresentação de testes estatísticos para
evidenciar eficácia de um modelo.
20. 20
1) Contextualização
2) Algoritmo AEIQ-BR
3) Algoritmo NEIQ-BR
4) Resultados
5) Conclusões
Algoritmos Genéticos com Inspiração Quântica e Representação Mista
Aplicados à Neuroevolução
23. 23
Algoritmo AEIQ-BR
• Inicializa População Quântica Q(t)
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
.t t t
i i i
b r
q q q
1 2
1 2
1 2
, ..., .
t t t
i i iMt t t t
i i i iMt t tb
i i iM
b
q g g g
1 1 1 2 2 2 3 3 3( ), ( ), ( ),...,, ( ) .t t t t t t t t t t t t t
i i i i i i i i i i iG iG iG
r r
q g p x g p x g p x g p x
24. 24
Algoritmo AEIQ-BR
• Inicializa População Quântica Q(t)
1 1 1 2 2 2 3 3 3( ), ( ), ( ),...,, ( ) .t t t t t t t t t t t t t
i i i i i i i i i i iG iG iG
r r
q g p x g p x g p x g p x
1
,
( ) ( ; ; ) .
0,
t t t
ij ij ijt tt t t t t
ij ijij ij ij ij ij
se a x b
b ap x f x a b
caso contrário
25. 25
Algoritmo AEIQ-BR
• Inicializa População Quântica Q(t)
1
,
( ) ( ; ; ) .
0,
t t t
ij ij ijt tt t t t t
ij ijij ij ij ij ij
se a x b
b ap x f x a b
caso contrário
.
2
t t
ij ijt t
ij ij
a b
E x
.t t t
ij ij ijb a Seja
1
, ( ) ( )
( ) ( ; ; ) ,2 2
0 ,
t t
ij ijt t t
ij ij ijt t t t t t
ij ij ij ij ij ij
se x
p x f x
caso contrário
Temos então que
1 2 3
1 1 2 2 3 3
1 2 3
( ), ( ), ( ),...,, ( ) ... .ij
t t t t
i i i iGt t t t t t t t t t t t t
i i i i i ij i i ij iG iG ij t t t tr r
i i i iG r
q g p x g p x g p x g p x
Sendo assim
e
26. 26
• Inicializa População Quântica Q(t)
Algoritmo AEIQ-BR
1 2 3
1 1 2 2 3 3
1 2 3
( ), ( ), ( ),...,, ( ) ... .ij
t t t t
i i i iGt t t t t t t t t t t t t
i i i i i ij i i ij iG iG ij t t t tr r
i i i iG r
q g p x g p x g p x g p x
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
.t t t
i i i
b r
q q q
1 2
1 2
1 2
, ..., .
t t t
i i iMt t t t
i i i iMt t tb
i i iM
b
q g g g
27. 27
Algoritmo AEIQ-BR
• Ou da forma mais simples:
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
1 2 1 2 3
1 2 1 2 3
... ... .
t t t t t t t
i i iM i i i iGt t t
i i i t t t t t t tb r
i i iM i i i iGb r
q q q
29. 29
Algoritmo AEIQ-BR
• Observa População Quântica
0 1
(t
ij)2
(t
ij)2
Gerar um Número Aleatório
Atribui-se 0
ao gene
clássico
Atribui-se 1
ao gene
clássico
1/2
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
1 2 1 2 3
1 2 1 2 3
... ... .
t t t t t t t
i i iM i i i iGt t t
i i i t t t t t t tb r
i i iM i i i iGb r
q q q
Para cada gene quântico binário:
30. 30
Algoritmo AEIQ-BR
• Observa População Quântica
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
1 2 1 2 3
1 2 1 2 3
... ... .
t t t t t t t
i i iM i i i iGt t t
i i i t t t t t t tb r
i i iM i i i iGb r
q q q
Para cada gene quântico real:
1
, ( ) ( )
( ) ( ; ; ) ,2 2
0 ,
t t
ij ijt t t
ij ij ijt t t t t t
ij ij ij ij ij ij
se x
p x f x
caso contrário
31. 31
Algoritmo AEIQ-BR
• Observa População Quântica
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
1 2 1 2 3
1 2 1 2 3
... ... .
t t t t t t t
i i iM i i i iGt t t
i i i t t t t t t tb r
i i iM i i i iGb r
q q q
Para cada gene quântico real:
0 , ( )
2
1
( ) ( ; ; ) , ( ) ( ) .
2 2 2
1 , ( )
2
ij
ij ij
t
ijt t
ij ij
t t t t
ij ij ij ijt t t t t t t t
ij ij ij ij ij ij ij ijt
ij
t
t t
se x
x
P x F x se x
se x
t
ijy
32. 32
Algoritmo AEIQ-BR
• Observa População Quântica
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
1 2 1 2 3
1 2 1 2 3
... ... .
t t t t t t t
i i iM i i i iGt t t
i i i t t t t t t tb r
i i iM i i i iGb r
q q q
Para cada gene quântico real:
1 1
0 , 0
1
( ) ( ; ; ) ( ) , 0 1 .
2
1 , 1
t
ij
tt t t t t t t t t
ij ij ij ij ij ij ij ij ij ij
r
t
ij
se y
x P y F y y se y
se y
0 1
(t
ij)2
(t
ij)2
Gerar um Número Aleatório
Atribui-se 0
ao gene
clássico
Atribui-se 1
ao gene
clássico
1/2
35. 35
Algoritmo AEIQ-BR
• Recombinação Clássica de P(t) com B(t-1)
1 2 3( ) , , , ..., .t t t t
NC t c c c c
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
Indivíduo Clássico Qualquer
Dois indivíduos selecionados para cruzamento
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
36. 36
• Recombinação Clássica de P(t) com B(t-1)
Algoritmo AEIQ-BR
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
C. UNIFORME
, 0
,
,
t
ij cb
bPt
ij
tbF
ij
bB
x se aleatório entre e C
x
x caso contrário
37. 37
Algoritmo AEIQ-BR
• Recombinação Clássica de P(t) com B(t-1)
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
C. ARITIMÉTICO
, 0
,
,
t t t t
ij ij ij cr
rB rP rBt
ij
rF t
ij
rB
x x x se aleatório entre e C
x
x caso contrário
39. 39
Algoritmo AEIQ-BR
• Atualiza População Q(t) com B(t)
1 2 3( ) , , , ..., .t t t t
NC t c c c c
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
1 2 1 2 3
1 2 1 2 3
... ... .
t t t t t t t
i i iM i i i iGt t t
i i i t t t t t t tb r
i i iM i i i iGb r
q q q
OPERADORES PARTE BINÁRIA
1
t+1
ij 1
cos( ) ( )
, ( ) 0
( ) cos( )
g = ,
cos( ) ( )
, ( ) 1
( ) cos( )
b
b
t
ij t
ij btt
ijij
t t
ij ij t
ij bt
ij
seno
se x
seno
seno
se x
seno
40. 40
Algoritmo AEIQ-BR
• Atualiza População Q(t) com B(t)
1 2 3( ) , , , ..., .t t t t
NC t c c c c
1 2 3 1 2 3, , , ..., , , , ..., .t t t t t t t t t t t
i i i i i i iM i i i iG
b r b r
c c c x x x x x x x x
1 2 3( ) , , , ..., .t t t t
NQ t q q q q
1 2 1 2 3
1 2 1 2 3
... ... .
t t t t t t t
i i iM i i i iGt t t
i i i t t t t t t tb r
i i iM i i i iGb r
q q q
OPERADORES PARTE REAL
1
(( ) ),t t t t t
ij ij ij r ijx
1
((max(( ) ) min(( ) )) );t t t t t t
ij ij ij r ij r ijx x
Único de B(t)
Todos de B(t)
43. 43
Algoritmo AEIQ-BR
• Nosso controle atuará em:
– NQ, número de indivíduos quânticos;
– NC, número de indivíduos clássicos;
– CQ, probabilidade de crossover quântico;
– CCb, probabilidade de crossover clássico binário;
– CCr, probabilidade de crossover clássico real;
– T, número de gerações ou evoluções;
– E , ângulo de rotação para velocidade de atualização dos genes clássicos
binários.
44. 44
1) Contextualização
2) Algoritmo AEIQ-BR
3) Algoritmo NEIQ-BR
4) Resultados
5) Conclusões
Algoritmos Genéticos com Inspiração Quântica e Representação Mista
Aplicados à Neuroevolução
45. 45
Algoritmo NEIQ-BR
• Porque?
“Esta utilidade em se aplicar AEIQ-BR para evoluir uma
RNA recebe o nome de algoritmo NEIQ-BR, numa extensão ao
modelo de Vargas [6], o NEIQ-R, cuja representação da
solução considerava somente características numéricas. A sigla
NEIQ-BR vem de “NeuroEvolução Inspirada na física
Quântica com representação mista Binária e Real””
48. 48
Algoritmo NEIQ-BR
• Codificação no Cromossoma
– Quântico
1 1 1 1 1 1 *
1 1 1 1 1 1 *
;...; ; ;...;
.
;...; ; ;...;
t t t t
i i TE TI i TE TI i TE TI TI TO
t
i t t t tr
i i TE TI i TE TI i TE TI TI TO
r
q
,t t t
i i i
b r
q q q
1 1 1 2. 2. 1 2.
1 1 1 2. 2. 1 2.
;...; ; ;...; ; ;...; ; ;...;
;...; ; ;...; ; ;...; ; ;...;
t t t t t t t t
i iTE i TE i TE TI i TE TI i TE TI i TE TI i TE TI TOt
i t t t t t t t tb
i iTE i TE i TE TI i TE TI i TE TI i TE TI i TE TI TO
b
q
49. 49
Algoritmo NEIQ-BR
• Codificação no Cromossoma
– Clássico
,t t t
h h h
b r
c c c
1 1 1 2. 2. 1 2.;...; ; ;...; ; ;...; ; ;...;t t t t t t t t t
h h hTE h TE h TE TI h TE TI h TE TI h TE TI h TE TI TOb b
c x x x x x x x x
1 1 1 1 1 1 *
;...; ; ;...;t t t t t
h h h TE TI h TE TI h TE TI TI TOr r
c x x x x
50. 50
Algoritmo NEIQ-BR
• Parâmetros de Controle Adicionais
– minT, o número mínimo de gerações que um neurônio permanecerá ativo.
– updateT, o intervalo entre gerações para execução de operadores quânticos.
– TI, máximo de neurônios permitidos na camada intermediária.
52. 52
Algoritmo NEIQ-BR
• Funções de Avaliação
1
%
1 1
n
ij
i jt
h
acerto total n n
ij
i j
a
f c
a
1/
1
%
1/
1 1
.
.
n
ij c ci
i jt
h
acerto total ponderado n n
ij c ci
i j
a r
f c
a r
1
1
1 (1 ) ,
2
n
i
i
Área FVP FFP FVP FFP
(1)
(2)
(3)
53. 53
1) Contextualização
2) Algoritmo AEIQ-BR
3) Algoritmo NEIQ-BR
4) Resultados
5) Conclusões
Algoritmos Genéticos com Inspiração Quântica e Representação Mista
Aplicados à Neuroevolução
54. 54
Resultados Modelo NEIQ-BR
• Cases para Avaliação
Australian
Credit
German
Credit
Iris Data
Wisconsin
Diagnostic
Breast Cancer
Wisconsin
Prognostic
Breast Cancer
Wine Data
Empréstimos
Financeiros
Crédito de
Limite
Especial
55. 55
• Préprocessamento
Resultados Modelo NEIQ-BR
NORMALIZAÇÃO
• Faixa Dinâmica
• Normalização
Padrão
TRANSFORMAÇÃO
• Codificação
binária em
categóricas com 2
classes.
• Codificação 1 de
N em categóricas
com mais de 2
classes.
TRATAMENTO
• Observações
faltantes foram
substituídas por:
• Moda em
variáveis
nominais.
• Média em
variáveis
numéricas.
( )
( ) ( )
ij inormalizado
ij
i i
x mínimo x
x
máximo x mínimo x
ijnormalizado
ij
X
x X
x
56. 56
Resultados Modelo NEIQ-BR
• Banco de Dados
Base de Dados Amostras
Variáveis
Binárias
Variáveis
Contínuas
Número
Classes
Australian Credit Approval 690 32 6 2
German Credit 1.000 52 7 2
Iris Data 150 - 4 3
Diagnostic Breast Cancer 569 - 30 2
Prognostic Breast Cancer 198 - 33 2
Wine Data 178 - 13 3
Empréstimos Financeiros 2.619 19 13 2
Crédito de Limite Especial 1.844 16 13 2
58. 58
Resultados Modelo NEIQ-BR
• Cases para Avaliação
Australian
Credit
German
Credit
Iris Data
Wisconsin
Diagnostic
Breast Cancer
Wisconsin
Prognostic
Breast Cancer
Wine Data
Empréstimos
Financeiros
Crédito de
Limite
Especial
3-FOLD-CROSS-VALIDATION
59. 59
Resultados Modelo NEIQ-BR
• Ambiente Computacional
8 BANCO DE DADOS
X
12 ESTRATÉGIAS
X
3 VALIDAÇÕES
=
288 EXPERIMENTOS
71. 71
Conclusões
• Conclusões
Otimizador Global
Representação Probabilística do Espaço de Soluções
Alta Capacidade de Exploração e Aproveitamento
Maior Rápido Computacionalmente
Robusto o Suficiente na Variação dos Parâmetros
Estatísticamente Superior em 44% dos casos
AEIQ-BR
NEIQ-BR
(1) (2)
72. 72
Conclusões
• Conclusões
Teste em casos benchmark e reais com
diferentes níveis de dificuldade.
Avaliação dos resultados em termos de acurácia
e área sob a curva ROC.
Separação do banco de dados entre grupo de
teste e treinamento.
Comparação com resultados obtidos por outros
pesquisadores.
Apresentação de testes estatísticos para
evidenciar eficácia de um modelo.
73. 73
Conclusões
• Trabalhos Futuros
Tempo de Processamento, ou Custo Computacional.
Parametrização de como velocidade de atualização
quântica real de e .
Classificação vs. Previsão, Controle, Otimização.
Casos benchmark na barreira de 3.000 registros. No
curto prazo: particionamento e codificação de padrões.
Testes estatísticos e dependência conjunta e
impactância nos resultados de variação de parâmetros.