Resumo
As redes ARTMAP são técnicas de aprendizado de máquinas voltadas para o aprendizado supervisionado, sendo conhecidas principalmente pela sua capacidade de aprendizado rápido, estável, incremental e online. Outra propriedade das redes ARTMAP é a generalização de problemas de classificação através do uso de formas geométricas dentro de diferentes domínios. No entanto, embora as redes ARTMAP tenham suas vantagens no que concerne ao treinamento, e possuam uma gama de variações que possibilite formas geométricas de generalização diferentes para problemas de classificação, sua taxa de acerto no processo de predição pode ser muito baixa para problemas de classificação muito complexos. Diante dessa questão, a classificação com opção de rejeição se faz oportuna, uma vez que a mesma provê uma forma de trazer maior confiabilidade para um classificador no momento da predição. Tal conceito tem sido extensivamente estudado na literatura de aprendizado de maquinas, de modo que é possível encontrar trabalhos envolvendo classificadores como SVM, MLP e SOM integrados com algum tipo de opção de rejeição, o que acarreta em uma maior taxa de acerto. Contudo, apesar de haver um extensivo estudo voltado para essa área, a classe de redes neurais ARTMAP ainda não foi explorada dentro deste conceito. Neste sentido, é proposto neste trabalho o estudo da adição de classificação com opção de rejeição em redes ARTMAP, deste modo, uma nova família de redes neurais capazes de aprendizado online no contexto de classificação com opção de rejeição