| Processo: | 10/15992-0 |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado Direto |
| Vigência (Início): | 01 de dezembro de 2010 |
| Vigência (Término): | 31 de outubro de 2013 |
| Área do conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Pesquisador responsável: | Maria Carolina Monard |
| Beneficiário: | Everton Alvares Cherman |
| Instituição Sede: | Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
| Bolsa(s) vinculada(s): | 11/21723-5 - Algoritmos de aprendizado ativo para dados multirrótulo, BE.EP.DD |
| Assunto(s): | Inteligência artificial Aprendizado computacional |
| Palavra(s)-Chave do Pesquisador: | Aprendizado de Máquina | Aprendizado Multirrótulo | Aprendizado Supervisionado | Dependência de Rótulos | Inteligência Artificial |
Resumo Muitos dos métodos de aprendizado supervisionado consideram que cada exemplo está associado a um único rótulo (monorrótulo). Entretanto, existem vários domínios de aplicação nos quais os exemplos estão associados a um conjunto de rótulos. Esse tipo de exemplos é denominado multirrótulo. Exemplos multirrótulos estão presentes em inúmeras aplicações. Em classificação de textos, por exemplo, um documento pode pertencer simultaneamente a mais de um tópico, como informática e agricultura. No diagnóstico médico, um paciente pode apresentar câncer ao mesmo tempo em que também apresenta diabetes. Em bioinformática, a classificação multirrótulo é aplicada na predição das funções de genes, devido ao fato de que um gene pode influenciar em mais de uma função simultaneamente. Existem diversos tópicos de interesse relacionados a problemas do aprendizado multirrótulo ainda em aberto, dentre eles, a exploração da dependência de rótulos. A dependência de rótulos é uma característica intrínseca ao problema de aprendizado multirrótulo e consiste, de maneira geral, na influência em que um rótulo exerce, direta ou indiretamente, sobre os outros rótulos. Melhores resultados de predição podem ser obtidos por meio de métodos que consideram a dependência de rótulos no processo de aprendizado. De fato, existe um número crescente de trabalhos que evidenciam essa característica, a maioria por meio de estudos empíricos. Assim, um aspecto que necessita ser investigado com maior profundidade está relacionado com os diferentes tipos de dependência de rótulos, os quais podem ser analisados, por exemplo, desde uma perspectiva estatística. Motivado por essa lacuna na área, este projeto de doutorado tem como objetivo geral contribuir para um maior entendimento do aprendizado multirrótulo, com foco na dependência de rótulo, e, assim, projetar e implementar novos algoritmos que explorem de maneira efetiva os diversos tipos de dependência de rótulos. Em outras palavras, a hipótese levantada neste trabalho é que é possível desenvolver melhores algoritmos de aprendizado multirrótulo explorando o conhecimento relacionado a dependência de rótulos. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias (0 total): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |