Busca avançada
Ano de início
Entree

Where do machine learning and optimization meet?

Processo: 16/50448-6
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de maio de 2017 - 30 de abril de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Proposta de Mobilidade: SPRINT - Projetos de pesquisa - Mobilidade
Pesquisador responsável:João Paulo Papa
Beneficiário:João Paulo Papa
Pesq. responsável no exterior: Alexander Martin
Instituição no exterior: Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Alemanha
Instituição-sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
Vinculado ao auxílio:14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas, AP.R
Assunto(s):Aprendizado computacional  Biologia computacional  Análise de dados  Expressão gênica  Neoplasias mamárias  Transtorno autístico  Ressonância magnética  Cooperação internacional 

Resumo

Aprendizado de máquina e otimização têm provido soluções eficientes para muitos problemas práticos. Embora muitas iniciativas relevantes para unir pesquisadores dessas áreas têm sido realizadas, elas ainda seguem caminhos independentes. Muitos desafios de pesquisa seriam beneficiados a partir de uma cooperação mais forte entre pesquisadores dessas áreas. Esse projeto tenta caminhar nessa direção trazendo pesquisadores de aprendizado de máquina e otimização para explorar novas maneiras onde os conhecimentos dessas duas áreas de pesquisa podem ser combinados, resultados em novas e eficientes soluções para aplicações relevantes. Por um lado, técnicas de otimização podem economizar recursos computacionais e humanos explorando diferentes regiões do espaço de busca por meio de técnicas exaustivas e força bruta, as quais possuem alta propensão a falhas. Assim sendo, aprendizado de máquina possuem um conjunto grande de aplicações que técnicas de otimizações podem ser avaliadas e utilizadas para testes. Nesse trabalho, pretendemos focar em aplicações relacionadas à bioinformática, com atenção especial à análise de expressão gênica de câncer de mama e dados de ressonância magnética funcional para análise de Autismo. (AU)