Busca avançada
Ano de início
Entree

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

Processo: 03/00099-5
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de dezembro de 2003
Vigência (Término): 30 de novembro de 2006
Área do 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

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 São Carlos.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.