Análise de propagação de erros em aprendizado semi-supervisionado baseado em redes complexas

Resumo

Aprendizado de máquina é uma área de pesquisa que visa a desenvolver métodos computacionais capazes de "aprender" com a experiência. As técnicas tradicionais de aprendizado de máquina, na construção de classificadores, necessitam de uma grande quantidade de dados rotulados. Estes dados são geralmente difíceis de serem obtidos, principalmente quando envolvem a rotulação manual por parte de um especialista. Recentemente, uma nova vertente da área de aprendizado de máquina, denominada aprendizado semi-supervisionado, tem atraído a atenção de muitos pesquisadores. Esta forma de aprendizado possui como objetivo a propagação de rótulos para todos os dados não-rotulados preservando a distribuição original. Diversos métodos de aprendizado semi-supervisionado têm sido propostos na literatura. Entretanto, nos últimos anos, existe um crescente interesse nas técnicas que utilizam redes para representar os dados. Este fato deve-se ao surgimento das redes complexas como um tópico unificador de sistemas complexos e como uma poderosa ferramenta de representação e abstração de dados, sendo capazes de capturar suas relações espaciais, topológicas e funcionais. Este projeto tem como objetivo desenvolver técnicas de aprendizado de máquina para análise de dados utilizando redes complexas. Especificamente, serão desenvolvidas técnicas de aprendizado semi-supervisionado baseadas em competição de partículas em redes complexas. Neste caso, alguns vértices da rede são rotulados, ou seja, suas classes são previamente definidas e os modelos a serem desenvolvidos deverão ser capazes de propagar os rótulos para os outros vértices da rede. Outro objetivo deste projeto é tratamento de assunto de segurança no aprendizado semi-supervisionado. Especificamente, serão desenvolvidas três técnicas para analisar e impedir propagação de erros: 1) a técnica de aprendizado semi-supervisionado a ser desenvolvida será capaz de oferecer nível de pertinência de cada item de dado a cada classe (soft-label em inglês), ao invés de só oferecer rótulo de classe (hard-label); 2) a técnica a ser desenvolvida será capaz de detectar outliers e, consequentemente, impedirá sua propagação; 3) serão conduzidos estudos e análises de propagação de erros (dados erroneamente rotulados) em conjunto com a propagação de rótulos em redes, ou seja, já como estado inicial da rede, haverá uma certa porcentagem de erro introduzida antes do processo de propagação de rótulos. Pretende-se, com isso, identificar o ponto crítico da percentagem de erros introduzida, o que leva a uma precisão de classificação drasticamente decaída. Esse tipo de estudo é muito importante não só para obter uma classificação segura, mas também para um melhor entendimento do conjunto de dados em processamento. Por fim, com o objetivo de validar as técnicas desenvolvidas em problemas reais, estas serão aplicadas para análise de dados na base UCI. Redes complexas são ferramentas poderosas de representação de dados e ainda existe um grande espaço para exploração. Portanto, acredita-se que este estudo possa gerar contribuições para área de aprendizado de máquinas. (AU)