Busca avançada
Ano de início
Entree

Aprendizado não supervisionado baseado em ranqueamento e aprendizado profundo em domínios diversos

Processo: 20/02183-9
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de abril de 2020
Vigência (Término): 31 de março de 2024
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Daniel Carlos Guimarães Pedronette
Beneficiário:Vanessa Helena Pereira Ferrero
Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Vinculado ao auxílio:18/15597-6 - Aplicação e investigação de métodos de aprendizado não-supervisionado em tarefas de recuperação e classificação, AP.JP2
Assunto(s):Aprendizagem profunda   Aprendizado de máquina não supervisionado   Recuperação da informação   Classificação de dados
Palavra(s)-Chave do Pesquisador:Deep Learning | ranking | unsupervised learning | Reperação de Informações e Aprendizado de Máquina

Resumo

Métodos de aprendizado não supervisionado baseados em ranqueamento têm se estabelecido como uma solução para aumentar a eficácia de buscas baseadas em conteúdo sem requerer intervenção dos usuários. Tais métodos exploram relações contextuais entre as imagens, geralmente codificadas nas informações de distância e similaridade das coleções. Concomitantemente, estratégias baseados em aprendizado profundo assumiram uma posição de destaque nas mais diversas tarefas de aprendizado de máquina. Assim, este projeto de pesquisa tem como objetivo combinar essas duas linhas de pesquisa, investigando novos de métodos de aprendizado não supervisionado que sejam baseados em ranqueamento e aprendizado profundo. Além disso, pretende-se também investigar outros cenários de recuperação e classificação, ampliando os domínios de aplicação dos métodos de aprendizado não supervisionado. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

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)
ROZIN, BIONDA; PEREIRA-FERRERO, VANESSA HELENA; LOPES, LEONARDO TADEU; PEDRONETTE, DANIEL CARLOS GUIMARAES. A rank-based framework through manifold learning for improved clustering tasks. INFORMATION SCIENCES, v. 580, p. 202-220, . (17/25908-6, 20/02183-9, 20/08854-2, 18/15597-6)

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