| Processo: | 18/23447-4 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de abril de 2019 |
| Data de Término da vigência: | 31 de julho de 2022 |
| Área de conhecimento: | Engenharias - Engenharia de Produção - Pesquisa Operacional |
| Pesquisador responsável: | Leonardo Tomazeli Duarte |
| Beneficiário: | Renata Pelissari Infante |
| Instituição Sede: | Faculdade de Ciências Aplicadas (FCA). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil |
| Auxílio(s) vinculado(s): | 24/05971-9 - 33rd European Conference on Operational Research, AR.EXT |
| Assunto(s): | Integral de Choquet Aprendizado computacional |
| Palavra(s)-Chave do Pesquisador: | aprendizado de máquinas | Aprendizado de preferência | Decisão multicritério | integral de Choquet | Métodos Quantitativos para Tomada de Decisão |
Resumo A análise de decisão multicritério consiste em um conjunto de princípios e ferramentas desenvolvidas para auxiliar na resolução de problemas de decisão complexos. Uma das principais características que distingue os métodos de decisão multicritério de outros métodos da área de pesquisa operacional e da estatística é seu alto grau de incorporação das preferências dos decisores. Normalmente, as informações de preferência devem ser elicitadas pelos próprios decisores. No entanto, dependendo do problema de decisão, os decisores envolvidos podem não querer expor suas opiniões ou podem não ser capazes de definir preferências para todos os parâmetros do modelo. Diferentes abordagens vem sendo desenvolvidas, então, para a elicitação indireta das preferências, como a abordagem de desagregação e o aprendizado de preferências (preference learning). A abordagem de desagregação aprende preferências a partir de exemplos de decisões. Apesar da existência de diferentes métodos baseados na abordagem de desagregação, poucos são os métodos capazes de modelar interação entre critérios ou critérios hierarquicamente estruturados, duas características importantes em problemas de decisão da vida real. O aprendizado de preferências aprende preferências a partir de grandes conjuntos de dados e é considerada uma área que tange tanto o aprendizado de máquinas (machine learning) quanto a decisão multicritério. Abordagens orientadas a dados para elicitação e modelagem de preferências têm se tornado cada vez mais importantes devido à crescente disponibilidade de conjuntos de dados cada vez maiores e a proliferação de interfaces computadorizadas semi-automatizadas. A proposta desse projeto de pesquisa é o desenvolvimento de novos métodos de elicitação e aprendizado de preferência por meio de dados, capazes também de modelar interação entre critérios e critérios hierarquicamente estruturados. Esse projeto de pesquisa, portanto, se en-contra na interface entre decisão multicritério e aprendizado de máquina. As metodologias propostas serão aplicadas no contexto do desenvolvimento de novos índices para medição da vulnerabilidade social no estado de São Paulo. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |