Modelos e algoritmos para o aprendizado sem fim

• Processo: 13/07787-6
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2013
• Data de Término da vigência: 30 de junho de 2015
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Estevam Rafael Hruschka Júnior
• Beneficiário: Estevam Rafael Hruschka Júnior
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Pesquisadores associados: Thomas Michael Mitchell
• Assunto(s): Inteligência artificial Aprendizado computacional Sistemas de computação
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Inteligência Artificial | Inteligência Artificial, Aprendizado de Máquina

Resumo

As pesquisas em aprendizado de máquina têm gerado um grande avanço e progresso nos resultados obtidos nas últimas décadas. Mesmo assim, não existem ainda muitos sistemas computacionais capazes de aprender de maneira autônoma e cumulativa para sempre e, mais importante, que se utilizem do conhecimento adquirido ontem para melhorar suas habilidades de aprender hoje (num processo contínuo e sem fim). O primeiro (e talvez único) sistema de aprendizado sem fim é chamado NELL, o qual vem sendo desenvolvido por um grupo de pesquisa sediado na Carnegie Mellon University (EUA) em parceria com o laboratório de aprendizado de máquina da Universidade Federal de São Carlos (UFSCar). O principal objetivo do projeto proposto neste documento é propor e implementar métodos e algoritmos a serem acoplados em sistemas computacionais que apresentem estas características de aprendizado sem fim. (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)

DO AMARAL, LAURENCE RODRIGUES; DA SILVA ALVES, ALEXANDRE HENRICK; MENDES, RAPHAEL DE LIMA; GOMES, MATHEUS DE SOUZA; LIMA BERTARINI, PEDRO LUIZ; HRUSCHKA JR, ESTEVAM RAFAEL; IEEE. Applying Never-Ending Learning (NEL) Principles to Build a Gene Ontology (GO) Biocurator. 2021 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION (CEC 2021), v. N/A, p. 8-pg., 2021-01-01. (13/07787-6)

DA SILVA, NADIA F. F.; HRUSCHKA, EDUARDO R.; HRUSCHKA, JR., ESTEVAM R.. Tweet sentiment analysis with classifier ensembles. DECISION SUPPORT SYSTEMS, v. 66, p. 170-179, OCT 2014. (13/07375-0, 13/07787-6)

DO AMARAL, LAURENCE RODRIGUES; HRUSCHKA, JR., ESTEVAM RAFAEL. Transgenic: An evolutionary algorithm operator. Neurocomputing, v. 127, p. 104-113, MAR 15 2014. (13/07787-6)