Estudo da aplicação de regressão simbólica em problemas reais

• Processo: 17/17815-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2017
• Data de Término da vigência: 11 de agosto de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Fabricio Olivetti de França
• Beneficiário: Daniel de Pina Nascimento
• Instituição Sede: Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Assunto(s): Programação genética Computação evolutiva
• Palavra(s)-Chave do Pesquisador: computação evolutiva | Programação Genética | Regressão Simbólica | Computação Evolutiva

Resumo

Muitos processos de tomada de decisão são modelados como um problema de regressão, ou seja, dado um conjunto de variáveis mensuradas espera-se obter uma resposta numérica. Basicamente, utiliza-se a técnica de Regressão Linear quando deseja-se obter uma expressão simples e fácil de interpretar, por outro lado, muitos problemas possuem uma relação não-linear com a variável-alvo, para tanto utilizamos técnicas de Regressão Não-Linear. As técnicas de Regressão Não-Linear mais conhecidas utilizam-se de composições de funções não-lineares para obter uma aproximação da relação entre as variáveis mensuradas com a variável-alvo. Porém, isso gera expressões difíceis de serem interpretadas. As técnicas de Regressão Simbólica, por outro lado, buscam por relações não-lineares minimizando o erro de aproximação enquanto maximizam a simplicidade da expressão gerada. O algoritmo mais conhecido para essa técnica é a Programação Genética que, apesar do sucesso inicial, ainda é considerado distante do desejado. Muitas outras técnicas foram propostas desde a criação da Programação Genética para tentar balancear esses dois objetivos. Esse projeto tem a intenção de comparar as técnicas de Regressão Simbólica mais atuais em bases de dados de aplicações reais com o intuito de avaliar se essas técnicas conseguem efetivamente otimizar ambos os objetivos. (AU)