Busca avançada
Ano de início
Entree

Algoritmos de aprendizado ativo para dados multirrótulo

Processo: 11/21723-5
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
Vigência (Início): 01 de junho de 2012
Vigência (Término): 31 de outubro de 2012
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
Supervisor no Exterior: Grigorios D. Tsoumakas
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Local de pesquisa: Aristotle University of Thessaloniki (AUTh), Grécia  
Vinculado à bolsa:10/15992-0 - Explorando a dependência de rótulos no aprendizado multirrótulo, BP.DD
Assunto(s):Aprendizado computacional   Algoritmos

Resumo

Devido ao crescente número de novas aplicações nas quais os exemplos são rotulados com mais de um rótulo, a classificação multirrótulo tem atraído a atenção da comunidade acadêmica. Esse tipo de tarefa está sendo utilizada em aplicações como anotação semântica de imagem e vídeo, função de gene, categorização de músicas em emoções, entre outras. Em classificação multirrótulo, bem como em monorrótulo, a quantidade de dados não rotulados é muito maior que a quantidade de dados rotulados. Isso se deve ao custo envolvido no processo de atribuição dos rótulos. No entanto, é possível minimizar o custo desse processo habilitando o algoritmo de aprendizado a consultar o rótulo dos exemplos mais informativos. Esse é o objetivo do aprendizado ativo, o qual tem sido frequentemente utilizado em dados monorrótulos e apenas recentemente foi estendido para problemas de classificação multirrótulo. O objetivo geral deste projeto de pesquisa é explorar o aprendizado ativo para dados multirrótulos. (AU)

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)
CHERMAN, EVERTON ALVARES; PAPANIKOLAOU, YANNIS; TSOUMAKAS, GRIGORIOS; MONARD, MARIA CAROLINA. Multi-label active learning: key issues and a novel query strategy. EVOLVING SYSTEMS, v. 10, n. 1, SI, p. 63-78, MAR 2019. Citações Web of Science: 0.

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