| Processo: | 21/01870-5 |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |
| Data de Início da vigência: | 01 de abril de 2021 |
| Data de Término da vigência: | 31 de agosto de 2022 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação |
| Acordo de Cooperação: | Microsoft Research |
| Pesquisador responsável: | Fabio Augusto Faria |
| Beneficiário: | Luiz Henrique Buris |
| Instituição Sede: | Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , 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): | Aprendizado computacional |
| Palavra(s)-Chave do Pesquisador: | aprendizagem profunda | Classificação de Imagens | fusão de classificadores | Aprendizagem de Máquina |
Resumo Muitas técnicas de aprendizagem de máquina têm a necessiade de utilizar grandes conjunto de dados rotulados para construir modelos preditivos e resolver tarefas de aprendizagem supervisionada. O uso de técnicas de aprendizado profundo pode ser destacado, desde que elas têm sido muito utilizadas e obtido sucesso em diversos domínios de conhecimento. Por outro lado, o conjunto de dados rotulados não estão disponíveis ou são insuficientes para treinar de forma efetiva um modelo supervisionado. Tais cenários têm sudi principalmente endereçados por técnicas de aprendizagem não-supervisionadas, as quais consideram dados não rotulados para aprender sobre suas estruturas. Entretanto, o uso de métodos completamente não supervisionados ainda são desafios de pesquisas em muitos cenários. Uma solução promissora é baseada no uso de técnicas de abordagens fracamente supervisionadas, capazes de realizar tarefas de aprendizagem efetiva utilizando de conjuntos rotulados incompletos ou não precisos. O objetivo deste projeto de mestrado é a implementação de um métodos de fusão de representações multi-níveis por meio de técnicas de aprendizagem fracamente supervisionada para tarefas de reconhecimento multimídia. (AU) | |
| 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) | |