Método de Análise Combinatória Aplicado à Extração de Características Via Redes Neurais Artificiais

Abstract

As Redes Neurais Artificiais (RNA) têm sido muito utilizadas na solução de problemas de reconhecimento de padrões. Entretanto, poucos são os trabalhos que abordam o problema de extração de características. Sendo assim, este artigo propõe um método de análise combinatória na verificação da relevância das características aplicadas ao diagnóstico de diabetes utilizando uma RNA de múltiplas camadas. Os experimentos foram realizados utilizando uma rede neural com uma camada escondida e uma base de dados com oito características de uma população de mulheres com pelo menos 21 anos de idade descendentes da tribo indígena Pima, Arizona. Após o treino, uma análise combinatória com todas as características foi realizada a fim de determinar a relevância de cada uma delas no processo de classificação. Este artigo concluiu que a característica [b] (concentração plasmática de glicose em um teste oral de tolerância) apresentou a maior relevância para o processo de classificação com uma acurácia de 60,99% em relação a predição real. A característica [g] por sua vez, apresentou a menor influência na taxa de classificação, enquanto as combinações [b, c, f] se mostraram relevantes em toda a fase de teste.