Meta-aprendizado de pesos para ensemble por votação ponderada utilizando redes neurais

• Processo: 20/06767-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2020
• Data de Término da vigência: 31 de julho de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Claudia Rincon Sanches
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Classificação Metodologia e técnicas de computação Análise de regressão Meta-análise
• Palavra(s)-Chave do Pesquisador: Classificação | Ensemble | Meta-Aprendizado | Redes neurais | Regressão | Aprendizado de Máquina

Resumo

O Aprendizado de Máquina (AM) tem sido amplamente empregado para transformar dados em conhecimento e,assim, auxiliar a tomada de decisão. Devido à ampla diversidade de usos do AM, não há um único algoritmo queseja o mais eficaz em qualquer domínio de aplicação. Por isso, técnicas de combinação de modelos (ensemble)são um opção muito utilizada nesse cenário. Um exemplo dessa abordagem é o recente algoritmo de regressão NN-Stacking, que utiliza uma rede neural artificial para estimar pesos para diferentes algoritmos de AM a fim decombiná-los por meio de sua média ponderada. Este trabalho tem como objetivo ampliar as qualidades do NNStacking, propondo duas variações para o estimador de pesos, além da sua adaptação para a tarefa declassificação. (AU)