Busca avançada
Ano de início
Entree

Uso da lógica Markoviana para o aprendizado de relações no aprendizado sem fim

Processo: 12/21792-0
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de janeiro de 2013
Data de Término da vigência: 31 de dezembro de 2013
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Estevam Rafael Hruschka Júnior
Beneficiário:Raphael Gianotti Serrano dos Santos
Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional   Gestão da segurança em sistemas computacionais   Processos de Markov   Escalabilidade   Metodologia e técnicas de computação
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Aprendizado sem-fim | Lógica Markoviana | Aprendizado de Máquina

Resumo

O primeiro sistema computacional de aprendizado sem fim relatado na literatura é chamado NELL. Tal sistema tem como base um novo paradigma de aprendizado de máquina chamado "aprendizado sem fim". A ideia central que embasa a proposta deste novo paradigma de aprendizado de máquina é que sistemas computacionais podem aprender de maneira continua e incremental. E mais importante, assim como fazem os seres humanos, tais sistemas devem ser capazes de se utilizar de conhecimento adquirido a cada dia para, autonomamente, aprenderem a aprender cada vez melhor, num aprendizado sem fim. A lógica de Markov, ou lógica Markoviana, busca combinar a facilidade em expressar relações da lógica de primeira ordem com a habilidade de lidar com a incerteza de modelos gráficos probabilísticos, mais especificamente das redes de Markov. Essa pesquisa tem como principais objetivos: I) investigar o uso da lógica de Markov para auxiliar no aprendizado de regras no sistema NELL; II) investigar, propor e implementar abordagens que permitam a execução dos algoritmos apresentados durante a fundamentação teórica para que esses possam ser aplicados a uma base de conhecimento do porte da base do NELL (superando problemas de escalabilidade); e III) fazer um estudo de como se utilizar do NELL para supervisionar e auxiliar os algoritmos propostos a se utilizarem do NELL para autossupervisão. (AU)

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