Estudo Comparativo de Técnicas de Mapeamento no Classificador Wisard

A otimização de hiper-parâmetros é uma questão de grande relevância na área de aprendizado de máquina, uma vez que sua escolha é fundamental para o procedimento de treinamento, resultando na otimização de quesitos como a velocidade e acurácia dos algoritmos. O modelo WiSARD é um classificador de ênuplas com múltiplos discriminadores, sendo conhecido pela velocidade ao usar o processo de escrita nas RAMs como treinamento. Tal modelo é composto por três diferentes hiper-parâmetros, que dizem respeito ao tamanho da ênupla, o pré-processamento das entradas, e o mapeamento das entradas, que define a divisão em ênuplas, fator determinante na acurácia do classificador. Um estudo comparativo das técnicas de mapeamento para o modelo WiSARD é apresentado neste trabalho. Para tal, diferentes abordagens de mapeamento presente na literatura do modelo são descritas, e novas técnicas são apresentadas.