Busca avançada
Ano de início
Entree

Desenvolvimento da técnica programação genética linear probabilística e aplicação em programação Kaizen para aprendizado de máquina supervisionado

Processo: 16/07095-5
Linha de fomento:Bolsas no Brasil - Doutorado Direto
Vigência (Início): 01 de junho de 2016
Vigência (Término): 28 de fevereiro de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Márcio Porto Basgalupp
Beneficiário:Léo Françoso Dal Piccol Sotto
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
Bolsa(s) vinculada(s):18/13202-4 - Desenvolvimento de um algoritmo de programação genética linear usando algoritmos de estimação de distribuição aplicado a aprendizado de máquina supervisionado, BE.EP.DD
Assunto(s):Mineração de dados   Aprendizado computacional   Programação genética   Linguagem de programação

Resumo

Programação Genética Linear (PGL) é um tipo de algoritmo capaz de evoluir códigos em linguagens de programação. PGL tem sido aplicada em diversos problemas como aprendizado de máquina, navegação e roteamento. Seu processo de busca estocástica não tem conhecimento para gerar soluções boas nem é capaz de evitar soluções ruins, o que reduz sua eficiência. Neste projeto serão explorados dois aspectos visando reduzir esses problemas: a manipulação da aleatoriedade e a composição de soluções a partir de blocos de código (modularidade). Para o primeiro propõe-se o estudo de modelos de probabilidade condicional para originar a Programação Genética Linear Probabilística (PGLP). Esses modelos podem ser atualizados ao longo das gerações para incorporar conhecimento sobre estruturas que devem ser usadas ou evitadas pelos indivíduos. Para o segundo tópico continuado o estudo da Programação Kaizen (PK), que é uma abordagem que compõe uma solução completa a partir de soluções parciais. Estas podem ser continuamente melhoradas por uma técnica evolutiva, como a PGLP que será desenvolvida neste projeto. Assim, enquanto a PGLP poderá ser usada de maneira independente na resolução dos mesmos tipos de problemas em que se usa PGL, ela também será empregada como uma parte da PK, para problemas de regressão e classificação, com foco na construção de atributos. A PGLP usando modelos probabilísticos, a inclusão de modularidade e o uso com PK são os aspectos originais do trabalho, enquanto que a principal relevância é a aplicação na construção automática de conjuntos de atributos de alta qualidade. (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)
DAL PICCOL SOTTO, LEO FRANCOSO; DE MELO, VINICIUS VELOSO; BASGALUPP, MARCIO PORTO. -LGP: an improved version of linear genetic programming evaluated in the Ant Trail problem. KNOWLEDGE AND INFORMATION SYSTEMS, v. 52, n. 2, p. 445-465, AUG 2017. Citações Web of Science: 2.

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