Diagramas de Decisão Sentenciais Neuro-Probabilísiticos

• Processo: 25/01335-3
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Denis Deratani Mauá
• Beneficiário: Anahí Coimbra Maciel
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 22/02937-9 - Indução de programas lógico-probabilístico-neurais, AP.PNGP.PI
• Assunto(s): Aprendizado computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Programação lógico-probabilística | raciocínio neuro-simbólico | Inteligência Artificial

Resumo

Diagramas de Decisão Sentenciais Probabilísticos (PSDDs) são representações de modelos estatísticos que visam facilitar a integração de conhecimento probabilístico e lógico. Em suma, um PSDD é um circuito lógico cujos arcos são anotados com probabilidades. O circuito lógico permite a representação eficiente do suporte da distribuição de probabilidades. Dessa forma, PSDDs conseguem sucintamente especificar distribuições sobre objetos combinatoriais complexas como ranqueamentos, rotas, coleções de conjuntos etc. Notadamente, PSDDs são modelos tratáveis, pois permitem que diversas inferências sejam realizadas em tempo linear no tamanho do circuito. Eles também são capazes de serem aprendidos puramente de dados ou, de forma mais interessante, de uma combinação de dados e conhecimento especialista. Nesta pesquisa vamos investigar como estender PSDDs para facilitar a integração com redes neurais, de forma a obter PSDDs que representem dados não-estruturados como imagens, textos e áudio.