Busca avançada
Ano de início
Entree

Aprendizado de máquina utilizando modelos inspirados pela natureza

Processo: 11/17396-9
Linha de fomento:Auxílio à Pesquisa - Apoio a Jovens Pesquisadores
Vigência: 01 de março de 2012 - 29 de fevereiro de 2016
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Fabricio Aparecido Breve
Beneficiário:Fabricio Aparecido Breve
Instituição-sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Pesq. associados:Zhao Liang
Bolsa(s) vinculada(s):15/06780-3 - Aplicando algoritmos inspirados pela natureza para classificação de enzimas despolimerases utilizadas na produção de biocombustível, BP.MS
12/05196-8 - Implementação em GPU de modelos de computação inspirados pela natureza, BP.IC
12/05317-0 - Detecção de intrusos em redes de computadores utilizando modelos de aprendizado de máquina inspirados pela natureza, BP.IC
12/05783-0 - Detecção de comunidades sobrepostas utilizando modelos inspirados pela natureza, BP.IC
Assunto(s):Aprendizado computacional  Computação bioinspirada 

Resumo

Computação inspirada pela natureza é o nome dado ao conjunto de técnicas para solução de problemas computacionais, cujo desenvolvimento utiliza a natureza como fonte de inspiração. Modelos computacionais inspirados na natureza freqüentemente são utilizados em tarefas de aprendizado de máquina, campo de pesquisa científica ligado ao projeto e desenvolvimento de algoritmos que permitem aos computadores evoluir comportamentos baseados em dados empíricos. Recentemente, alguns trabalhos utilizando partículas inteligentes, que caminham em redes demarcando território através de mecanismos de competição e cooperação, foram utilizados em algumas tarefas de aprendizado de máquina. O objetivo principal deste projeto é criar e/ou adaptar modelos inspirados na natureza, incluindo modelos de movimentação de partículas, para resolver alguns problemas específicos do aprendizado de máquina, incluindo o problema de aprendizado com dados imperfeitos, onde alguns itens de dados tem rótulos errados; e o problema de detecção de comunidades sobrepostas, onde diversos elementos podem pertencer simultaneamente a mais de uma comunidade com diferentes graus de pertinência. Pretende-se também estender tais modelos para outras áreas da computação e de outras disciplinas. Outro objetivo deste projeto de pesquisa é implementar estes modelos inspirados pela natureza para execução em GPU (Graphics Processing Unit). (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)
BREVE, FABRICIO A.; ZHAO, LIANG; QUILES, MARCOS G. Particle competition and cooperation for semi-supervised learning with label noise. Neurocomputing, v. 160, p. 63-72, JUL 21 2015. Citações Web of Science: 5.

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.