Busca avançada
Ano de início
Entree

Aprendizado de máquina avançado

Processo: 16/18615-0
Linha de fomento:Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Vigência: 01 de setembro de 2017 - 29 de fevereiro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: IBM Brasil
Pesquisador responsável:André Carlos Ponce de Leon Ferreira de Carvalho
Beneficiário:André Carlos Ponce de Leon Ferreira de Carvalho
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Empresa: IBM Brasil - Indústria, Máquinas e Serviços Ltda
Município: São Carlos
Pesq. associados:Ana Carolina Lorena ; Gustavo Enrique de Almeida Prado Alves Batista ; Moacir Antonelli Ponti ; Paula Costa Castro ; Renato Tinós ; Ricardo Cerri
Assunto(s):Sistemas de informação  Aprendizado computacional  Mineração de dados  Fluxo de dados 
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | fluxos contínuos de dados | Meta-Aprendizado | Mineração de Dados | Mineração de dados

Resumo

Sem percebermos, estamos usando tecnologias baseadas em algoritmos de Aprendizado de Máquina (AM) em um número crescente de nossas atividades diárias. O uso do ML tem feito várias atividades rotineiras e de riscos e mais seguras, mais confiáveis e mais precisas. Apesar dessas contribuições, novas demandas exigem o desenvolvimento de novos algoritmos de AM, ou utilização desses algoritmos de maneiras diferentes e inovadoras. Duas demandas atuais importantes são tratar com eficiência os dados que chegam em fluxos contínuos, onde novidades podem aparecer e conceitos podem mudar, e como melhorar o uso dos algoritmos de ML mais adequados, além de valores mais apropriados para os Hyper-parâmetros dos algoritmos selecionados para uma nova tarefa. Este projeto irá pesquisar novas abordagens para lidar eficientemente com essas demandas. (AU)

Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o auxílio::
Alta productividad 
Alta productividad 
Elevada produtividade 
Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (12)
(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)
SPADON, GABRIEL; DE CARVALHO, ANDRE C. P. L. F.; RODRIGUES-JR, JOSE F.; ALVES, LUIZ G. A.. Reconstructing commuters network using machine learning and urban indicators. SCIENTIFIC REPORTS, v. 9, . (16/17078-0, 17/08376-0, 19/04461-9, 13/07375-0, 16/16987-7, 16/18615-0, 14/25337-0)
AGUIAR, GABRIEL JONAS; MANTOVANI, RAFAEL GOMES; MASTELINI, SAULO M.; DE CARVALHO, ANDRE C. P. F. L.; CAMPOS, GABRIEL F. C.; BARBON JUNIOR, SYLVIO. A meta-learning approach for selecting image segmentation algorithm. PATTERN RECOGNITION LETTERS, v. 128, p. 480-487, . (16/18615-0, 12/23114-9, 13/07375-0, 18/07319-6)
GARCIA, LUIS P. F.; LEHMANN, JENS; DE CARVALHO, ANDRE C. P. L. F.; LORENA, ANA C.. New label noise injection methods for the evaluation of noise filters. KNOWLEDGE-BASED SYSTEMS, v. 163, p. 693-704, . (16/18615-0, 13/07375-0, 12/22608-8)
PADILHA, VICTOR A.; ALKHNBASHI, OMER S.; SHAH, SHIRAZ A.; DE CARVALHO, ANDRE C. P. L. F.; BACKOFEN, ROLF. CRISPRcasIdentifier: Machine learning for accurate identification and classification of CRISPR-Cas systems. GIGASCIENCE, v. 9, n. 6, . (16/18615-0, 13/07375-0, 19/21300-9)
PADILHA, VICTOR ALEXANDRE; DE LEON FERREIRA DE CARVALHO, ANDRE CARLOS PONCE. Experimental correlation analysis of bicluster coherence measures and gene ontology information. APPLIED SOFT COMPUTING, v. 85, . (16/18615-0, 13/07375-0, 17/02975-0)
GARCIA, LUIS P. F.; RIVOLLI, ADRIANO; ALCOBACA, EDESIO; LORENA, ANA C.; DE CARVALHO, ANDRE C. P. L. F.. Boosting meta-learning with simulated data complexity measures. Intelligent Data Analysis, v. 24, n. 5, p. 1011-1028, . (12/22608-8, 13/07375-0, 18/14819-5, 16/18615-0)
PIMENTEL, BRUNO ALMEIDA; DE CARVALHO, ANDRE C. P. L. F.. A Meta-learning approach for recommending the number of clusters for clustering algorithms. KNOWLEDGE-BASED SYSTEMS, v. 195, . (16/18615-0, 17/20265-0, 12/22608-8)
ALCOBACA, EDESIO; SIQUEIRA, FELIPE; RIVOLLI, ADRIANO; GARCIA, LUIS P. F.; OLIVA, JEFFERSON T.; DE CARVALHO, ANDRE C. P. L. F.. MFE: Towards reproducible meta-feature extraction. JOURNAL OF MACHINE LEARNING RESEARCH, v. 21, . (13/07375-0, 18/14819-5, 16/18615-0)
TINOS, RENATO; WHITLEY, DARRELL; OCHOA, GABRIELA. A New Generalized Partition Crossover for the Traveling Salesman Problem: Tunneling between Local Optima. EVOLUTIONARY COMPUTATION, v. 28, n. 2, p. 255-288, . (16/18615-0, 15/06462-1, 13/07375-0)
RIVOLLI, ADRIANO; READ, JESSE; SOARES, CARLOS; PFAHRINGER, BERNHARD; DE CARVALHO, ANDRE C. P. L. F.. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. MACHINE LEARNING, v. 109, n. 8, . (16/18615-0, 13/07375-0, 12/22608-8)
TINOS, RENATO; YANG, SHENGXIANG. A framework for inducing artificial changes in optimization problems. INFORMATION SCIENCES, v. 485, p. 486-504, . (16/18615-0, 15/06462-1, 13/07375-0)
PIMENTEL, BRUNO ALMEIDA; DE CARVALHO, ANDRE C. P. L. F.. A new data characterization for selecting clustering algorithms using meta-learning. INFORMATION SCIENCES, v. 477, p. 203-219, . (13/07375-0, 17/20265-0, 16/18615-0)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.