Busca avançada
Ano de início
Entree

Aprendizado semissupervisionado via redes complexas: construção de redes, seleção e propagação de rótulos e aplicações

Processo: 18/01722-3
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de outubro de 2018 - 30 de setembro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Lilian Berton
Beneficiário:Lilian Berton
Instituição-sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
Pesq. associados:Didier Augusto Vega Oliveros ; Elbert Einstein Nehrer Macau ; Evangelos Milios ; Otávio Augusto Bizetto Penatti
Bolsa(s) vinculada(s):18/22258-3 - Aprendizado semissupervisionado baseado em redes complexas e aplicações: análise de dados climáticos, BP.TT
18/22264-3 - Aprendizado semissupervisionado baseado em redes complexas e aplicações: processamento de textos, BP.TT
Assunto(s):Inteligência computacional  Aprendizado computacional  Redes complexas  Mineração de texto  Classificação de dados 

Resumo

O aprendizado semissupervisionado (SSL) baseado em rede é um paradigma promissor para modelar o manifold no espaço multi-dimensional dos dados, além de ser efetivo na propagação de uma pequena quantidade de rótulos iniciais para uma grande quantidade de dados não rotulados. Essa abordagem tem sido utilizada em uma variedade de aplicações, como segmentação e anotação de imagens, reconhecimento de fala humana, classificação de textos, etc. Recentemente foi observado por diversos autores a importância da rede gerada para o processo de propagação de rótulos, porém outros aspectos ainda foram pouco investigados, como por exemplo, a seleção dos exemplos iniciais rotulados, ou as características topológicas da rede. Assim, o objetivo deste projeto é investigar em profundidade todas as etapas envolvidas no SSL, incluindo a seleção de rótulos iniciais, a seleção do tipo de rede a ser construída e do método para propagação de rótulos, além de propor novas abordagens para melhorar o resultado desse processo. Também serão endereçados desafios da área como rótulos contaminados ou desbalanceados, bases de dados de grande proporção e aplicações em mineração de textos, análise de dados climáticos e data augmentation para imagens. (AU)

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)
VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; BERTON, LILIAN. Evaluating link prediction by diffusion processes in dynamic networks. SCIENTIFIC REPORTS, v. 9, JUL 25 2019. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.