Extração de representações de conhecimento compreensíveis para métodos de aprendizado de máquina não-simbólicos na análise de dados biológicos

• Processo: 03/00099-5
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de dezembro de 2003
• Data de Término da vigência: 30 de novembro de 2006
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Rodrigo Elias Bianchi
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Palavra(s)-Chave do Pesquisador: Aprendizado De Maquina | Bioinformatica | Extracao De Regras | Redes Neurais Artificiais

Resumo

Métodos de aprendizado de máquina não-simbólicos, como Support Vector Machines, Comitês de Classificadores e Redes Neurais Artificiais, têm mostrado um ótimo desempenho na análise de dados biológicos. O grande limitador do uso dessas técnicas é a falta de compreensibilidade do conhecimento armazenado em suas estruturas de dados. O objetivo deste projeto de pesquisa é investigar e propor métodos de extração de representações simbólicas do conhecimento armazenado nas estruturas de dados de métodos de aprendizado de máquina não-simbólicos. Nesse estudo, serão levados em consideração fatores como a alta dimensionalidade das bases de dados biológicas, validação de exemplos artificiais gerados no domínio da biologia e métricas de qualidade das regras geradas entre outros. (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

BIANCHI, Rodrigo Elias. Extração de conhecimento simbólico em técnicas de aprendizado de máquina caixa-preta por similaridade de rankings. 2008. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.