Otimização DC para problemas de aprendizado de máquinas e ciência de dados

• Processo: 24/21644-8
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de março de 2025
• Data de Término da vigência: 31 de julho de 2029
• Área de conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: Paulo José da Silva e Silva
• Beneficiário: Giovana Melo dos Santos
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 23/08706-1 - Métodos computacionais de otimização, AP.TEM
• Assunto(s): Otimização contínua Otimização convexa Análise convexa Análise variacional Aprendizado computacional Ciência de dados
• Palavra(s)-Chave do Pesquisador: Análise Convexa | Análise Variacional | Aprendizado de Máquina | Ciência de dados | Diferença de Convexas | Otimização convexa | Otimização Contínua

Resumo

Este projeto de pesquisa concentra-se na otimização em Diferenças de Convexas (DC) aplicada à Aprendizagem de Máquina e Ciência de Dados. A otimização DC, em que a função objetivo é a diferença entre duas funções convexas, permite o uso de técnicas de análise convexa e oferece uma estrutura de modelagem flexível. O projeto visa investigar modelos específicos de Aprendizado de Máquina, como as Máquinas de Suporte Vetorial, que parecem adequadas para otimização DC. Ao aproveitar as técnicas de DC, objetivamos melhorar o desempenho de generalização e a robustez, enquanto desenvolvemos algoritmos mais eficientes. Uma direção promissora é a incorporação de informações de inércia, como explorado em pesquisas recentes, para incluir implicitamente informações de segunda ordem no processo de otimização, o que parece particularmente adequado para problemas de DC. (AU)