Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

A nature-inspired feature selection approach based on hypercomplex information

Texto completo
Autor(es):
de Rosa, Gustavo H. [1] ; Papa, Joao P. [1] ; Yang, Xin-She [2]
Número total de Autores: 3
Afiliação do(s) autor(es):
[1] Sao Paulo State Univ, Dept Comp, Ave Eng Luiz Edmundo Carrijo Coube 14-01, BR-17033360 Bauru, SP - Brazil
[2] Middlesex Univ, Sch Sci & Technol, London NW4 4BT - England
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: APPLIED SOFT COMPUTING; v. 94, SEP 2020.
Citações Web of Science: 0
Resumo

Feature selection for a given model can be transformed into an optimization task. The essential idea behind it is to find the most suitable subset of features according to some criterion. Nature-inspired optimization can mitigate this problem by producing compelling yet straightforward solutions when dealing with complicated fitness functions. Additionally, new mathematical representations, such as quaternions and octonions, are being used to handle higher-dimensional spaces. In this context, we are introducing a meta-heuristic optimization framework in a hypercomplex-based feature selection, where hypercomplex numbers are mapped to real-valued solutions and then transferred onto a boolean hypercube by a sigmoid function. The intended hypercomplex feature selection is tested for several meta-heuristic algorithms and hypercomplex representations, achieving results comparable to some state-of-the-art approaches. The good results achieved by the proposed approach make it a promising tool amongst feature selection research. (C) 2020 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 17/02286-0 - Modelos probabilísticos para detecção de perdas comerciais
Beneficiário:André Nunes de Souza
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 19/02205-5 - Aprendizado adversarial em processamento de linguagem natural
Beneficiário:Gustavo Henrique de Rosa
Linha de fomento: Bolsas no Brasil - Doutorado