Aprendizado de máquina avançado

• Processo: 16/18615-0
• Modalidade de apoio: 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 Sede: IBM Brasil - Indústria, Máquinas e Serviços Ltda
• Município: São Carlos
• Pesquisadores 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)

Publicações científicas

(19)

(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)

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, DEC 1 2019. (16/18615-0, 12/23114-9, 13/07375-0, 18/07319-6)

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, JUN 2020. (16/18615-0, 13/07375-0, 19/21300-9)

PADILHA, VICTOR A.; DE CARVALHO, ANDRE C. P. L. F.; IEEE. A Study of Biclustering Coherence Measures for Gene Expression Data. 2018 7TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS), v. N/A, p. 6-pg., 2018-01-01. (16/18615-0, 17/02975-0, 13/07375-0)

PIMENTEL, BRUNO ALMEIDA; DE CARVALHO, ANDRE C. P. L. E.; IEEE. Statistical versus Distance-Based Meta-Features for Clustering Algorithm recommendation Using Meta-Learning. 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2018-01-01. (12/22608-8, 17/20265-0, 16/18615-0)

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, AUG 13 2019. (16/17078-0, 17/08376-0, 19/04461-9, 13/07375-0, 16/16987-7, 16/18615-0, 14/25337-0)

PIMENTEL, BRUNO ALMEIDA; DE CARVALHO, ANDRE C. P. L. E.; IEEE. Unsupervised Meta-Learning for Clustering Algorithm Recommendation. 2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2019-01-01. (12/22608-8, 17/20265-0, 16/18615-0)

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, JAN 1 2019. (16/18615-0, 13/07375-0, 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, 2020. (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, JUN 2020. (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, JUN 2020. (16/18615-0, 13/07375-0, 12/22608-8)

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, DEC 2019. (16/18615-0, 13/07375-0, 17/02975-0)

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, MAR 2019. (13/07375-0, 16/18615-0, 17/20265-0)

TINOS, RENATO; YANG, SHENGXIANG. A framework for inducing artificial changes in optimization problems. INFORMATION SCIENCES, v. 485, p. 486-504, JUN 2019. (16/18615-0, 15/06462-1, 13/07375-0)

RIVOLLI, ADRIANO; GARCIA, LUIS P. F.; SOARES, CARLOS; VANSCHOREN, JOAQUIN; DE CARVALHO, ANDRE C. P. L. F.. Meta-features for meta-learning. KNOWLEDGE-BASED SYSTEMS, v. 240, p. 21-pg., 2022-03-15. (13/07375-0, 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, MAY 11 2020. (16/18615-0, 17/20265-0, 12/22608-8)

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, 2020. (12/22608-8, 13/07375-0, 18/14819-5, 16/18615-0)

BARELLA, VICTOR H.; GARCIA, LUIS P. F.; DE SOUTO, MARCILIO P.; LORENA, ANA C.; DE CARVALHO, ANDRE; IEEE. Data Complexity Measures for Imbalanced Classification Tasks. 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2018-01-01. (16/18615-0, 13/07375-0, 15/01382-0)

PADILHA, VICTOR A.; DE CARVALHO, ANDRE C. P. L. F.; IEEE. A Comparison of Hierarchical Biclustering Ensemble Methods. 2017 6TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS), v. N/A, p. 6-pg., 2017-01-01. (13/07375-0, 17/02975-0, 16/18615-0)

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, p. 12-pg., 2020-06-01. (13/07375-0, 19/21300-9, 16/18615-0)