Descoberta de Regras de Conhecimento Interessantes utilizando Computação Evolutiva Multi-Objetivo

• Processo: 07/06305-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2008
• Data de Término da vigência: 28 de fevereiro de 2010
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Gustavo Enrique de Almeida Prado Alves Batista
• Beneficiário: Rafael Giusti
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Computação evolutiva
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Aprendizado Multi-objetivo | computação evolutiva | Descoberta de Conhecimento Interessante | Inteligência Artifical

Resumo

Grande parte dos algoritmos de aprendizado de máquina simbólico utilizam as estratégias de dividir para conquistar ou separar para conquistar com o objetivo de induzir regras de conhecimento. Nessas estratégias, duas medidas são tipicamente consideradas como prioritárias: a cobertura e a precisão das regras. Por outro lado, diversos pesquisadores da área concordam que, em aplicações reias, um dos grandes objetivos é a descoberta por algoritmos de aprendizado de conhecimento novo e potencialmente interessante. Dessa maneira, é de grande interesse a pesquisa por métodos capazes de construir conhecimento com um certo grau de novidade e interesse. O objetivo deste trabalho é pesquisar e desenvolver um ambiente computacional que utiliza computação evolutiva multi-objetivo para a construção de conhecimento potencialmente novo e interessante. A computação evolutiva multi-objetivo permite que o ambiente busque construir regras que não apenas apresentam um certo nível de interesse, mas que também apresentem outras propriedades desejáveis, tais como compreensibilidade e precisão. Neste trabalho também será feita uma investigação acerca do uso da fronteira de Pareto como um método de avaliação multi-objetivo. Em contraste com o método de composição de rankings atualmente implementado, a análise da fronteira de Pareto permite uma maior diversidade de regras construídas e, possivelmente, um melhor balanceamento de propriedades específicas não-correlacionadas.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

GIUSTI, Rafael. Descoberta de regras de conhecimento utilizando computação evolutiva multiobjetivo. 2010. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.