Busca avançada
Ano de início
Entree

Aspectos teóricos e práticos do classificador baseado em segmentos de retas em problemas de Multiclassificação

Processo: 09/12253-5
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de março de 2010
Vigência (Término): 29 de fevereiro de 2012
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Ronaldo Fumio Hashimoto
Beneficiário:Rosario Alejandra Medina Rodríguez
Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Vinculado ao auxílio:05/00587-5 - Modelagem por redes (grafos) e técnicas de reconhecimento de padrões: estrutura, dinâmica e aplicações, AP.TEM
Assunto(s):Aprendizado computacional   Reconhecimento de padrões

Resumo

O Aprendizado Computacional Supervisionado consiste em aprender uma função a partir de um conjunto de dados (pares de exemplos). Existem muitas técnicas utilizadas em Aprendizado Computacional Supervisionado, das quais podemos citar os classificadores lineares, redes neurais e máquinas de suporte vetorial. Recentemente, foi introduzida uma nova técnica de Aprendizado Computacional Supervisionado baseada em segmentos de reta (método SLS). Esta técnica consiste em encontrar uma função baseada na distância entre pontos e dois conjuntos de segmentos de reta para resolver problemas que envolvem separação de duas classes e usa o método do gradiente descendente na fase de treinamento. Este projeto de pesquisa visa estudar aspectos teóricos do método SLS quando estendido para problemas de multiclassificação e investigar aspectos práticos (ou seja, de aplicação a problemas reais) analisando o seu desempenho de classificação quando outro método de otimização, além do gradiente descendente, é utilizado na fase de treinamento. A justificativa para o estudo e a pesquisa de novos métodos de aprendizagem computacional pode ser obtida pela citação apresentada na introdução do fantástico livro "A Probabilistic Theory of Pattern Recognition" na qual afirma que não há uma máquina universal de aprendizagem computacional, pois, para cada método, sempre existirá um caso (mesmo que sendo patológico) na qual o método não terá um bom desempenho de classificação.

Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
RODRÍGUEZ, Rosario Alejandra Medina. Algoritmos Evolutivos aplicados ao Classificador baseado em Segmentos de Reta. 2012. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística São Paulo.

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