Resumo: As redes neurais baseadas na Teoria da Ressonância Adaptativa, abreviadamente ART, Adaptive Resonance Theory, são algoritmos inspirados no funcionamento de neurônios biológicos, cujo algoritmo de treinamento é baseado em soluções de equações diferenciais. Essas redes, em especial, utilizam algoritmos de clustering,sendo que um algoritmo clustering tem como objetivo classificar padrões em clusters quanto à similaridade. Assim, padrões similares pertencem a um mesmo cluster enquanto que padrões discrepantes formam clusters diferentes. A rede Fuzzy ART utiliza um classificador fuzzy, baseado no operador mínimo, enquanto que a rede ART Euclidiana emprega a distância euclidiana. Mas são apenas essas as possibilidades de distâncias que podem ser utilizadas nos classificadores? Neste trabalho é apresentada uma nova Rede Neural ART baseada na rede Fast ART Euclidiana com a substituição da norma Euclidiana pela norma p. Para validação dessa nova rede neural ela é aplicada ao problema do câncer de mama. Os dados utilizados para o treinamento e análise da rede neural encontram-se no repositório UC Irvine Machine Learning Repository (UCI) da Universidade da Califórnia. Esses dados possuem 10 parâmetros, sendo espessura, uniformidade do tamanho celular, uniformidade do formato celular, adesão marginal, tamanho de células epiteliais individuais, núcleos nus, cromatina branda, núcleos normais, mitoses e, como décimo parâmetro, a informação se o nódulo é maligno ou benigno. Para as simulações os dados foram separados e selecionados pseudoaleatoriamente em dois conjuntos, para o primeiro conjunto constitui uma partição 50-50, com 50% dos dados usados no treinamento e 50% para análise, do mesmo modo foi feita a partição 75-25. Os resultados obtidos com a nova rede foram satisfatórios: para a partição 50-50 a acurácia atingiu 98,83% enquanto que para a partição 75-25 houve uma taxa de 100% de acertos Ver menos

Abstract: The neural networks based on the Adaptive Resonance Theory, abbreviated ART, are algorithms inspired by the functioning of biological neurons, whose training algorithm is based on the solutions of different equations. Those networks, in particular, use algorithm of clustering, knowing that an algorithm of clustering has as a goal to classify standards in clusters as for similarity. Therefore, similar standards belong to a same cluster whereas discrepant ones form different clusters. The Fuzzy ART network uses a fuzzy classifier, based on the minimum operator, whereas the ART Euclidean network uses the Euclidean distance. But are those the only possibilities of distance that can be used in the classifiers? This paper presents a new Neural Network ART based on the Euclidean Fast ART with the substitution of the Euclidean norm for the p-norm. For the validation of that new neural network, it was applied to the breast cancer issue. The data used for the training and analysis of the neural network are at the UC Irvine Machine Learning Repository (UCI) of the university of California. Those data own 10 parameters, being thickness, uniformity of the cell size, uniformity of the cell formats, marginal adherence, size of the individual epithelial cells, bare nuclei, soft chromatin, normal nuclei, mythos and as the tenth parameter, the information if whether the nodule is malign or benign. Because of the simulations, the data were pseudo randomly separated and selected in two sets. The first set constitutes of 50-50, with 50% of the data used in training and 50% in the analysis. In the same way the partition of 75-25 was done. The results obtained with the new network were satisfactory: for the partition 50-50 the accuracy reached 98, 83% whereas the partition 75-25 reached 100% of the hits Ver menos