Navegando por Palavras-chave "Algoritmos evolutivos"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Algoritmos evolutivos e modelo HP para predição de estruturas de proteínas
    (Sociedade Brasileira de Automática, 2012-02-01) Gabriel, Paulo H. R.; Melo, Vinicius Veloso de [UNIFESP]; Delbem, Alexandre C. B.; Universidade de São Paulo (USP); Universidade Federal de São Paulo (UNIFESP)
    Protein structures prediction (PSP) is a computationally complex problem. Simplified models of the protein molecule (such as the HP Model) and the use of evolutionary algorithms (EAs) are among the most investigated techniques for PSP. However, the evaluation of a structure represented by the HP model considers only the number of hydrophobic contacts, which doesn't enable the EA to distinguish between structures with the same number of contacts. This paper presents a new multi-objective formulation for PSP in HP Model. Two metrics are evaluated: the number of hydrophobic contacts and the distance between the hydrophobic amino acids. Both metrics are used by the Multi-objective EA in Tables. We showed that the algorithm is fast and robust.
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Análise do uso de redes neurais com algoritmos evolutivos para a classificação de imagens histológicas de câncer de mama
    (Universidade Federal de São Paulo, 2022-08-04) Miguel, João Pedro Miranda [UNIFESP]; Tosta, Thaína Aparecida Azevedo [UNIFESP]; http://lattes.cnpq.br/4356087560272126; http://lattes.cnpq.br/4422942278048079
    Tendo em vista que o câncer de mama é um dos tipos de câncer mais incidentes no Brasil e que os exames de biópsia, utilizados na identificação e confirmação da doença, são demorados e complexos, neste trabalho foi analisado o uso de algoritmos evolutivos no treinamento de redes neurais para a classificação de imagens histológicas coradas por hematoxilina-eosina a fim de auxiliar nesse processo. Para isso, foi analisada a aplicação dos algoritmos de evolução diferencial, evolução diferencial com ilhas e migração, otimização por enxame de partículas, otimização adaptativa por enxame de partículas e o algoritmo genético. A classificação das imagens proposta utilizou atributos de cor do modelo de cores RGB, atributos de textura por padrões binários locais e de redes neurais convolucionais pela arquitetura Resnet50. Os parâmetros dos algoritmos evolutivos foram otimizados utilizando o método de configuração de algoritmos baseado em modelo sequencial. Os resultados obtidos foram comparados com trabalhos da literatura, bem como com a rede neural artificial por retropropagação e com outros algoritmos clássicos, como a máquina de vetores de suporte e as florestas de decisão aleatória. Os algoritmos de otimização por enxame de partículas e otimização adaptativa por enxame de partículas foram os que apresentaram os resultados mais promissores, com o primeiro alcançando AUC máxima de 0,84 para atributos de textura, e o último com AUC máxima também de 0,84 para os atributos de cor, ambos na base DCIS-UDH.