Bolsa 22/10683-7 - Inteligência artificial, Aprendizado computacional - BV FAPESP
Busca avançada
Ano de início
Entree

Meu benchmark de conjuntos de dados é desafiador o suficiente?

Processo: 22/10683-7
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Data de Início da vigência: 01 de setembro de 2022
Data de Término da vigência: 31 de agosto de 2025
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Ana Carolina Lorena
Beneficiário:João Luiz Junho Pereira
Instituição Sede: Divisão de Ciência da Computação (IEC). Instituto Tecnológico de Aeronáutica (ITA). Ministério da Defesa (Brasil). São José dos Campos , SP, Brasil
Vinculado ao auxílio:21/06870-3 - Além da seleção de algoritmos: meta-aprendizado para análise e entendimento de dados e algoritmos, AP.JP2
Bolsa(s) vinculada(s):23/10419-0 - Seleção multi-objetivo ótima de conjunto de dados para avaliação não enviesada e eficiente de algoritmos de aprendizagem de máquina, BE.EP.PD
Assunto(s):Inteligência artificial   Aprendizado computacional   Meta-aprendizado computacional   Benchmarks   Conjunto de dados
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Meta-Aprendizado | Inteligência Artificial

Resumo

Sempre que um novo algoritmo ou solução de Aprendizado de Máquina (AM) supervisionado é desenvolvido, é imperativo avaliar o desempenho preditivo que ele atinge para diversos conjuntos de dados. Isso é feito para enfatizar os pontos fortes e fracos dos algoritmos e evidenciar para quais situações eles são mais úteis. Uma prática comum é reunir alguns conjuntos de dados de repositórios públicos de benchmark para tal avaliação. Mas pouco ou nenhum critério específico é usado na seleção desses conjuntos de dados, o que geralmente é feito de maneira ad-hoc. Neste projeto, investigaremos a importância de construir adequadamente um benchmark diversificado e desafiador de conjuntos de dados para avaliar adequadamente os modelos de AM e realmente entender suas capacidades. (AU)

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

Publicações científicas (10)
(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)
PEREIRA, JOAO LUIZ JUNHO; FRANCISCO, MATHEUS BRENDON; DE ALMEIDA, FABRICIO ALVES; MA, BENEDICT JUN; CUNHA, SEBASTIAO SIMOES; GOMES, GUILHERME FERREIRA. Enhanced Lichtenberg algorithm: a discussion on improving meta-heuristics. SOFT COMPUTING, v. N/A, p. 29-pg., . (22/10683-7)
NOGUEIRA, FELIPE SALES; PEREIRA, JOAO LUIZ JUNHO; CUNHA JR, SEBASTIAO SIMOES. Multi-objective sensor placement optimization and damage identification for an aircraft wing using Lichtenberg algorithm. ENGINEERING COMPUTATIONS, v. 41, n. 2, p. 30-pg., . (22/10683-7, 23/10419-0)
DE SOUZA MELLO, FELIPE MARTARELLA; PEREIRA, JOAO LUIZ JUNHO; GOMES, GUILHERME FERREIRA. Multi-objective sensor placement optimization in SHM systems with Kriging-based mode shape interpolation. Journal of Sound and Vibration, v. 568, p. 25-pg., . (22/10683-7)
PEREIRA, JOAO LUIZ JUNHO; MA, BENEDICT JUN; FRANCISCO, MATHEUS BRENDON; RIBEIRO JR, RONNY FRANCIS; GOMES, GUILHERME FERREIRA. A comparison between chaos theory and Levy flights in sunflower optimization for feature selection. EXPERT SYSTEMS, v. 40, n. 8, p. 21-pg., . (22/10683-7)
BENDINE, KOUIDER; PEREIRA, JOAO LUIZ JUNHO; GOMES, GUILHERME FERREIRA. Energy harvesting enhancement of nonuniform functionally graded piezoelectric beam using artificial neural networks and Lichtenberg algorithm. STRUCTURES, v. 57, p. 14-pg., . (22/10683-7)
PEREIRA, JOAO LUIZ JUNHO; GUEDES, FELIPE CIOLINI; FRANCISCO, MATHEUS BRENDON; CHIARELLO, ANDRE GARCIA; GOMES, GUILHERME FERREIRA. Multi-objective design optimization of a high performance disk brake using lichtenberg algorithm. MECHANICS BASED DESIGN OF STRUCTURES AND MACHINES, v. N/A, p. 14-pg., . (22/10683-7)
DE OLIVEIRA, LUCAS ANTONIO; GOMES, GUILHERME FERREIRA; PEREIRA, JOAO LUIZ JUNHO; FRANCISCO, MATHEUS BRENDON; DEMARBAIX, ANTHONIN; CUNHA JR, SEBASTIAO SIMOES. New Trends of Damage Detection and Identification Based on Vibrothermography in Composite Materials. JOURNAL OF NONDESTRUCTIVE EVALUATION, v. 42, n. 3, p. 16-pg., . (22/10683-7)
PEREIRA, JOAO LUIZ JUNHO; SMITH-MILES, KATE; MUNOZ, MARIO ANDRES; LORENA, ANA CAROLINA. Optimal selection of benchmarking datasets for unbiased machine learning algorithm evaluation. DATA MINING AND KNOWLEDGE DISCOVERY, v. 38, n. 2, p. 40-pg., . (21/06870-3, 22/10683-7)
SOTOMONTE, CESAR; PEREIRA, JOAO; FRANCISCO, MATHEUS; DE SOUZA, TULIO; PINTO, GABRIEL; JULIO, ALISSON; BUNYA, BRUNO; CORONADO, CHRISTIAN; PALACIO, JOSE; GOMES, GUILHERME. ENERGY MINIMIZATION OF HYDROGEN PRODUCTION VIA BUTANOL STEAM REFORMING. ENVIRONMENTAL ENGINEERING AND MANAGEMENT JOURNAL, v. 22, n. 3, p. 201-pg., . (22/10683-7)
GOMES, GUILHERME FERREIRA; RIBEIRO JUNIOR, RONNY FRANCIS RIBEIRO; PEREIRA, JOAO LUIZ JUNHO; FRANCISCO, MATHEUS BRENDON. An efficient deep learning model to predict the structural response of CFRP isogrid tubes. COMPOSITE STRUCTURES, v. 316, p. 17-pg., . (22/10683-7)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.