Evolução Gramatical para construção automática de funções de similaridade no contexto de aprendizado semissupervisionado

• Processo: 16/00868-9
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de maio de 2016
• Data de Término da vigência: 31 de julho de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Márcio Porto Basgalupp
• Beneficiário: Patrícia Miquilini
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Assunto(s): Algoritmos evolutivos Aprendizado computacional Classificação
• Palavra(s)-Chave do Pesquisador: Algoritmos Evolutivos | aprendizado de máquinas | aprendizado semisupervisionado | Classificação | Evolução Gramatical | Algoritmos Evolutivos

Resumo

Grandes volumes de dados têm sido coletados no mundo moderno, a necessidade de classificá-los auxilia posteriores análises e avaliações. Conjuntos de dados quando classificados podem ser representados de diversas maneiras. A técnica de representação através de grafos tem sido bastante estudada na literatura e apresenta algumas vantagens como representação de múltiplas classes e representação da estrutura topológica dos dados. No entanto a construção de um grafo a partir de um conjunto de dados não acontece de maneira trivial. É preciso uma função para avaliar se dois exemplos devem ou não estar conectados e a escolha da função para melhor representar um determinado conjunto não é uma tarefa simples. Bons resultados são obtidos após diversas tentativas geradas manualmente. Seria então, possível realizar a escolha dessas funções automaticamente? Este projeto tem como principal objetivo a automatização na construção de funções com a Evolução Gramatical. Por meio da combinação entre algoritmos genéticos e gramáticas BNF se torna mais simples a busca pela função que melhor representa um conjunto de dados.

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)

MIQUILINI, PATRICIA; ROSSI, RAFAEL G.; QUILES, MARCOS G.; DE MELO, VINICIUS V.; BASGALUPP, MARCIO P.; IEEE. Automatically Design Distance Functions for Graph-based Semi-Supervised Learning. 2017 16TH IEEE INTERNATIONAL CONFERENCE ON TRUST, SECURITY AND PRIVACY IN COMPUTING AND COMMUNICATIONS / 11TH IEEE INTERNATIONAL CONFERENCE ON BIG DATA SCIENCE AND ENGINEERING / 14TH IEEE INTERNATIONAL CONFERENCE ON EMBEDDED SOFTWARE AND SYSTEMS, v. N/A, p. 8-pg., 2017-01-01. (16/00868-9, 16/02870-0)