Busca avançada
Ano de início
Entree
Conteúdos relacionados

Algoritmos de inferência e aprendizagem para programação lógica probabilística

Processo: 17/19007-6
Modalidade de apoio:Bolsas no Brasil - Mestrado
Data de Início da vigência: 01 de outubro de 2017
Data de Término da vigência: 30 de novembro de 2018
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Acordo de Cooperação: IBM Brasil
Pesquisador responsável:Fabio Gagliardi Cozman
Beneficiário:Arthur Colombini Gusmão
Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Empresa:Universidade de São Paulo (USP). Escola Politécnica (EP)
Vinculado ao auxílio:16/18841-0 - Algoritmos para inferência e aprendizado de programas lógicos probabilísticos, AP.PITE
Assunto(s):Aprendizado computacional   Inteligência artificial
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Inteligência Artificial | ProbLog | Programação lógica probabilística | Inteligência Artificial

Resumo

O objetivo deste projeto é desenvolver algoritmos de inferência e aprendizagem para programas lógicos probabilísticos, visando indução automática e escalável de regras probabilísticas para grandes conjuntos de dados. Estas técnicas têm aplicação em busca e extração de informações, diagnósticos automatizados, sistemas de recomendação e decisão - aplicações que se beneficiam de grandes e precisas bases de conhecimento. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE FARIA, FRANCISCO H. O. VIEIRA; GUSMAO, ARTHUR COLOMBINI; DE BONA, GLAUBER; MAUA, DENIS DERATANI; COZMAN, FABIO GAGLIARDI. Speeding up parameter and rule learning for acyclic probabilistic logic programs. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, v. 106, p. 32-50, . (17/19007-6, 16/18841-0, 16/25928-4, 16/01055-1, 15/21880-4)
RUSCHEL, ANDREY; GUSMAO, ARTHUR COLOMBINI; COZMAN, FABIO GAGLIARDI. Explaining answers generated by knowledge graph embeddings. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, v. 171, p. 25-pg., . (19/07665-4, 17/19007-6)
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
GUSMÃO, Arthur Colombini. Interpretando modelos de embedding de bases de conhecimento.. 2018. Dissertação de Mestrado - Universidade de São Paulo (USP). Escola Politécnica (EP/BC) São Paulo.