Aprendizado semi-supervisionado dinâmico e ativo baseado em redes complexas

• Processo: 11/18496-7
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
• Data de Início da vigência: 01 de março de 2012
• Data de Término da vigência: 29 de fevereiro de 2016
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Marcos Gonçalves Quiles
• Beneficiário: Marcos Gonçalves Quiles
• 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
• Pesquisadores associados: Márcio Porto Basgalupp ; Zhao Liang
• Bolsa(s) vinculada(s): 13/18530-6 - Ferramenta para Visualização de Redes Complexas, BP.IC; 12/19616-9 - Ferramenta para visualização de redes complexas, BP.IC; 12/11138-0 - Implementação de uma biblioteca para análise de redes complexas, BP.IC
• Assunto(s): Aprendizado computacional Redes complexas
• Palavra(s)-Chave do Pesquisador: Aprendizado Ativo | Aprendizado Semi-supervisionado | dados dinâmicos | Dinâmica de particulas | Representação em Redes | Sincronização de Neurônios | Aprendizado de Máquina

Resumo

Este projeto tem como objetivo principal o desenvolvimento de novas técnicas de aprendizado semi-supervisionado baseadas em redes para conjuntos de dados dinâmicos. Para o desenvolvimento dessas técnicas, serão utilizadas propriedades das redes complexas que representarão os dados e modelos computacionais dinâmicos para propagação dos rótulos. Das redes complexas serão extraídas medidas a serem utilizadas como parâmetros de seleção de vértices. Essa seleção terá duas finalidades: indicar ao especialista quais exemplos necessitam de rotulação (aprendizado ativo) e a quais vértices da rede os novos exemplos serão conectados (crescimento dinâmico da rede). A propagação dos rótulos na rede (classificação semi-supervisionada) será realizada por modelos computacionais dinâmicos, com enfoque nos modelos de competição de partículas e modelos de sincronização de neurônios. A partir dos estudos realizados ao longo deste projeto e com o desenvolvimento das novas técnicas, espera-se gerar contribuições originais em três linhas: 1) uma proposta de representação em redes de conjuntos de dados dinâmicos; 2) desenvolvimento de técnicas capazes de tratar dados dinâmicos; e 3) utilização do aprendizado ativo utilizando propriedades das redes complexas como forma de otimizar o trabalho do especialista no processo de rotulação. Este projeto representa a continuação e ampliação do projeto de Pós-doutoramento, Proc. Fapesp 2008/09553-4, interrompido em novembro de 2009 devido à nomeação do candidato na vaga de Professor Adjunto do ICT/UNIFESP. (AU)

Publicações científicas

(7)

(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. (11/17396-9, 13/07375-0, 11/50151-0, 11/18496-7)

QUILES, MARCOS G.; MACAU, ELBERT E. N.; RUBIDO, NICOLAS. Dynamical detection of network communities. SCIENTIFIC REPORTS, v. 6, MAY 9 2016. (11/50151-0, 11/18496-7, 15/50122-0)

NOGUEIRA LORENA, LUIZ HENRIQUE; QUILES, MARCOS GONCALVES; NOGUEIRA LORENA, LUIZ ANTONIO; DE CARVALHO, ANDRE C. P. L. F.; CESPEDES, JULIANA GARCIA; IEEE. Qualitative data clustering: a new Integer Linear Programming model. 2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2019-01-01. (13/07375-0, 11/18496-7)

NOGUEIRA LORENA, LUIZ HENRIQUE; QUILES, MARCOS GONCALVES; DE LEON FERREIRA DE CARVALHO, ANDRE CARLOS PONCE; NOGUEIRA LORENA, LUIZ ANTONIO; HUANG, DS; BEVILACQUA, V; PREMARATNE, P; GUPTA, P. Preprocessing Technique for Cluster Editing via Integer Linear Programming. INTELLIGENT COMPUTING THEORIES AND APPLICATION, PT I, v. 10954, p. 11-pg., 2018-01-01. (11/18496-7)

PORTO, SANDY; QUILES, MARCOS G.; MISRA, S; GERVASI, O; MURGANTE, B; STANKOVA, E; KORKHOV, V; TORRE, C; ROCHA, AMAC; TANIAR, D; et al. Clustering Data Streams: A Complex Network Approach. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2019, PT I, v. 11619, p. 14-pg., 2019-01-01. (11/18496-7, 15/50122-0)

VEGA-OLIVEROS, DIDIER A.; COTACALLAPA, MOSHE; FERREIRA, LEONARDO N.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.; CARDOSO, MANOEL F.; ASSOC COMP MACHINERY. From spatio-temporal data to chronological networks: An application to wildfire analysis. SAC '19: PROCEEDINGS OF THE 34TH ACM/SIGAPP SYMPOSIUM ON APPLIED COMPUTING, v. N/A, p. 8-pg., 2019-01-01. (18/24260-5, 18/01722-3, 15/50122-0, 16/23698-1, 11/18496-7, 17/05831-9, 16/16291-2)

NOGUEIRA LORENA, LUIZ HENRIQUE; QUILES, MARCOS GONCALVES; NOGUEIRA LORENA, LUIZ ANTONIO; MISRA, S; GERVASI, O; MURGANTE, B; STANKOVA, E; KORKHOV, V; TORRE, C; ROCHA, AMAC; et al. Improving the Performance of an Integer Linear Programming Community Detection Algorithm Through Clique Filtering. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2019, PT I, v. 11619, p. 13-pg., 2019-01-01. (15/50122-0, 11/18496-7)