Aprendizado fracamente supervisionado baseado em métricas de Ranqueamentto

• Processo: 19/04754-6
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2019
• Data de Término da vigência: 31 de março de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: Microsoft Research
• Pesquisador responsável: Daniel Carlos Guimarães Pedronette
• Beneficiário: João Gabriel Camacho Presotto
• Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
• Empresa: Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Instituto de Geociências e Ciências Exatas (IGCE)
• Vinculado ao auxílio: 17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais, AP.PITE
• Assunto(s): Métrica
• Palavra(s)-Chave do Pesquisador: Rank-based Measures | weakly supervised learning | Recuperação de Informações e Classificação

Resumo

Métricas contextuais não supervisionadas podem efetivamente codificar informações úteis sobre a estrutura do conjunto de dados. Tais métricas baseadas em informações de ranqueamento podem modelar adequadamente situações que indicam relações de similaridade com um alto grau de confiança. Em tais situações, os objetos envolvidos são incluídos em um conjunto de treinamento expandido, viabilizando abordagens fracamente supervisionadas.

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)

CAMACHO PRESOTTO, JOAO GABRIEL; VALEM, LUCAS PASCOTTI; DE SA, NIKOLAS GOMES; GUIMARAES PEDRONETTE, DANIEL CARLOS; PAPA, JOAO PAULO; IEEE COMP SOC. Weakly Supervised Learning through Rank-based Contextual Measures. 2020 25TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR), v. N/A, p. 8-pg., 2021-01-01. (14/12236-1, 19/11104-8, 18/15597-6, 19/04754-6, 20/11366-0)

PRESOTTO, JOAO GABRIEL CAMACHO; DOS SANTOS, SAMUEL FELIPE; VALEM, LUCAS PASCOTTI; FARIA, FABIO AUGUSTO; PAPA, JOAO PAULO; ALMEIDA, JURANDY; PEDRONETTE, DANIEL CARLOS GUIMARAES. Weakly supervised learning based on hypergraph manifold ranking?. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, v. 89, p. 12-pg., 2022-10-25. (18/15597-6, 18/23908-1, 17/25908-6, 19/04754-6, 20/11366-0)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

PRESOTTO, João Gabriel Camacho. Métodos de aprendizado de máquina fracamente supervisionados baseados em ranqueamento. 2021. Dissertação de Mestrado - Universidade Estadual Paulista (Unesp). Instituto de Geociências e Ciências Exatas. Rio Claro Rio Claro.