Busca avançada
Ano de início
Entree

Aprendizado supervisionado incremental em florestas de caminhos ótimos

Processo: 14/04889-5
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de junho de 2014
Vigência (Término): 31 de julho de 2016
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Rodrigo Fernandes de Mello
Beneficiário:Mateus Riva
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Bolsa(s) vinculada(s):15/24652-2 - Detecção de anomalia utilizando um algoritmo de aprendizado incremental baseado em floresta de caminhos mínimos, BE.EP.IC
Assunto(s):Reconhecimento de padrões

Resumo

A abordagem de aprendizagem incremental requer o acúmulo dinâmico da informação extraída das observações. Esse tipo de aprendizagem é importante em aplicações onde as observações não estão disponíveis para geração do classificador desde o início, sendo necessárias múltiplas execuções do algoritmo de treinamento. O classificador floresta de caminhos ótimos (OPF) vem sendo utilizado recentemente em diversas aplicações. No entanto sua versão original não conta com a possibilidade de incrementar exemplos em seu modelo já treinado. Assim, espera-se contribuir com o desenvolvimento de um algoritmo que seja capaz de incluir novos nós nas árvores de caminhos ótimos, e assim diminuir o tempo necessário para a obtenção de classificadores após a chegada de novos exemplos rotulados. Ainda, pretende-se investigar a remoção de árvores, reconstruindo o modelo de forma que melhor se ajuste à amostra de treinamento atual.