Busca avançada
Ano de início
Entree

Inferência Seletiva em Aprendizado de Máquina: teoria, algoritmos e aplicações

Processo: 09/17773-7
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de maio de 2010
Vigência (Término): 31 de maio de 2014
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Maria Carolina Monard
Beneficiário:Ígor Assis Braga
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional   Aprendizado semissupervisionado   Inteligência artificial

Resumo

Inferência seletiva é um problema presente em várias tarefas de aprendizado de máquina. Ainda que algumas soluções já tenham sido propostas, essas soluções consideram o uso de algoritmos desenvolvidos para solucionar problemas de inferência mais gerais. No entanto, a pesquisa em aprendizado de máquina vem mostrando que é importante solucionar um determinado problema de inferência diretamente, sem depender da solução de problemas de inferência mais gerais. O objetivo deste trabalho consiste na pesquisa e no desenvolvimento de algoritmos que solucionem diretamente o problema da inferência seletiva.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(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)
BRAGA, IGOR; MONARD, MARIA CAROLINA. Improving the kernel regularized least squares method for small-sample regression. Neurocomputing, v. 163, n. SI, p. 106-114, SEP 2 2015. Citações Web of Science: 3.

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