Análise de Propagação de Erro em Aprendizado Semi-Supervisionado

• Processo: 10/06151-2
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2010
• Data de Término da vigência: 30 de junho de 2011
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Fabricio Aparecido Breve
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Aprendizado semissupervisionado Redes complexas
• Palavra(s)-Chave do Pesquisador: Aprendizado com dados imperfeitos | Aprendizado Semi-supervisionado | competição de partículas | Propagação de Erros | Propagação de rótulos | Redes Complexas | Aprendizado de Máquina

Resumo

O aprendizado semi-supervisionado é uma sub-área do aprendizado de máquina que tem recebido um interesse crescente nos últimos anos. Ele é aplicado em problemas de classificação onde apenas uma pequena porção dos dados está rotulada. Nestas situações, a confiabilidade destes dados é extremamente importante porque é comum ter amostras com dados com rótulos errados na base de dados, e tais rótulos poderiam se propagar para uma grande porção da base de dados, resultando em grandes erros de classificação. Apesar de sua importância, a propagação de rótulos errados no aprendizado semi-supervisionado tem recebido pouca atenção dos pesquisadores. Neste projeto será focado o estudo da propagação de erro em aprendizado semi-supervisionado, com o objetivo de caracterizar pontos críticos no desempenho dos classificadores à medida que a proporção de dados com rótulos errados aumenta. Tal estudo tem importância teórica e prática, e será utilizado para melhorar modelos existentes e/ou gerar novos modelos de aprendizado semi-supervisionado, mais robustos na presença de amostras com rótulos errados.