Redes neurais profundas aplicadas à geração de sequências

• Processo: 17/03706-2
• Linha de fomento: Bolsas no Brasil - Mestrado
• Vigência (Início): 01 de junho de 2017
• Vigência (Término): 31 de maio de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Convênio/Acordo: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Eduardo Alves Do Valle Junior
• Beneficiário: George Gondim Ribeiro
• Instituição-sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Redes neurais (computação) Aprendizado computacional Aprendizagem profunda

Resumo

Neste projeto, aplicaremos redes neurais profundas (DNNs, do inglês Deep Neural Networks ao Aprendizado de Sequências, ramo do Aprendizado de Máquina que manipula cadeias de dados - texto, som, vídeo, séries temporais. A internet e, sobretudo, as redes sociais, provocaram uma explosão de dados, cujo volume dobra a cada ano, incluindo o dos sequenciais, criando tanto um desafio, quanto um recurso para a criação de métodos automáticos para sua gestão. Um importante avanço nessas áreas foram as DNNs, modelos poderosos de aprendizado de máquina que obtiveram excelentes resultados em diversas tarefas de Inteligência Artificial. As DNNs atraem enorme atenção tanto na indústria, quanto na academia, com avanços aplicados em diversos campos práticos. Exploraremos as DNNs no aprendizado de sequências, procurando responder questões fundamentais e aplicadas com uma metodologia empírica. Do lado fundamental exploraremos os limites da capacidade de generalização das DNNs para o aprendizado de sequências. Do lado aplicado, avaliaremos o desempenho das DNNs em um recente problema prático proposto, o legendamento de imagens. (AU)