Métodos de Fusão de Representações Multi-nível baseado em Aprendizagem Fracamente Supervisionada.

Resumo

Muitas técnicas de aprendizagem de máquina têm a necessiade de utilizar grandes conjunto de dados rotulados para construir modelos preditivos e resolver tarefas de aprendizagem supervisionada. O uso de técnicas de aprendizado profundo pode ser destacado, desde que elas têm sido muito utilizadas e obtido sucesso em diversos domínios de conhecimento. Por outro lado, o conjunto de dados rotulados não estão disponíveis ou são insuficientes para treinar de forma efetiva um modelo supervisionado. Tais cenários têm sudi principalmente endereçados por técnicas de aprendizagem não-supervisionadas, as quais consideram dados não rotulados para aprender sobre suas estruturas. Entretanto, o uso de métodos completamente não supervisionados ainda são desafios de pesquisas em muitos cenários. Uma solução promissora é baseada no uso de técnicas de abordagens fracamente supervisionadas, capazes de realizar tarefas de aprendizagem efetiva utilizando de conjuntos rotulados incompletos ou não precisos. O objetivo deste projeto de mestrado é a implementação de um métodos de fusão de representações multi-níveis por meio de técnicas de aprendizagem fracamente supervisionada para tarefas de reconhecimento multimídia. (AU)