Busca avançada
Ano de início
Entree

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)