Banca de QUALIFICAÇÃO: CAIO DIAS GILÓ

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : CAIO DIAS GILÓ
DATA : 18/12/2025
HORA: 08:00
LOCAL: Videoconerência via Google Meet
TÍTULO:

PYRULEANALYZER: UMA ABORDAGEM PARA O REFINAMENTO DE REGRAS DE DECISÃO EM MODELOS DE APRENDIZAGEM DE MÁQUINA BASEADOS EM ÁRVORES

WordsCharactersReading time

PALAVRAS-CHAVES:

Aprendizagem de Máquina; Árvore de Decisão; Floresta Aleatória; Interpretabilidade; Tempo de Inferência; Redes de Petri Coloridas; Gradient Boosting Decision Tree; Aprendizagem Federada

WordsCharactersReading time

PÁGINAS: 58
RESUMO:

Modelos de aprendizagem de máquina baseados em árvores, como árvores de decisão e florestas aleatórias, são amplamente adotados em problemas de decisão devido à sua interpretabilidade intrínseca. No entanto, à medida que a precisão exigida aumenta, esses modelos tendem a crescer em complexidade, acumulando regras redundantes que comprometem tanto a auditoria humana quanto a eficiência computacional em ambientes de recursos restritos. Neste trabalho é apresentada uma abordagem para o aprimoramento desses modelos (via análise e refinamento de suas regras de decisão), focada na redução da complexidade e do tempo de inferência sem comprometer a acurácia preditiva em problemas de classificação. As duas etapas mais importantes da metodologia estão relacionadas com o uso de redes de Petri coloridas em uma etapa de prova de conceitos para a análise de regras redundantes, específicas ou incorretas e com o desenvolvimento da biblioteca pyRuleAnalyzer, que utiliza algoritmos de refinamento de regras validados formalmente na etapa anterior para eliminar redundâncias e regras de sobreajuste. Resultados preliminares em estudos de caso sobre deteção de ataques DDoS demonstraram uma redução de até 65% no número de regras e 68% na latência de inferência, mantendo aproximação com a acurácia original. A pesquisa avança agora para a realização de prova de conceito para analisar algoritmos de modelos aditivos como Gradient Boosting Decision Tree e experimentações em cenários de aprendizagem federada.

WordsCharactersReading time

MEMBROS DA BANCA:
Presidente - ***.906.803-** - LENARDO CHAVES E SILVA - UFERSA
Interna - ***.678.434-** - AMANDA GONDIM DE OLIVEIRA - UFERSA
Externo à Instituição - LEANDRO DIAS DA SILVA
Externo à Instituição - ÁLVARO ÁLVARES DE CARVALHO CÉSAR SOBRINHO
Notícia cadastrada em: 22/12/2025 16:33
SIGAA | Superintendência de Tecnologia da Informação - STI/UERN - (84) 3315-2222 | Copyright © 2006-2026 - UFRN - app02-uern.info.ufrn.br.app02-uern