Busca avançada
Ano de início
Entree

Modelos e algoritmos para o aprendizado sem fim

Processo: 13/07787-6
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de julho de 2013
Data de Término da vigência: 30 de junho de 2015
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Estevam Rafael Hruschka Júnior
Beneficiário:Estevam Rafael Hruschka Júnior
Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Pesquisadores associados: Thomas Michael Mitchell
Assunto(s):Inteligência artificial  Aprendizado computacional  Sistemas de computação 
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Inteligência Artificial | Inteligência Artificial, Aprendizado de Máquina

Resumo

As pesquisas em aprendizado de máquina têm gerado um grande avanço e progresso nos resultados obtidos nas últimas décadas. Mesmo assim, não existem ainda muitos sistemas computacionais capazes de aprender de maneira autônoma e cumulativa para sempre e, mais importante, que se utilizem do conhecimento adquirido ontem para melhorar suas habilidades de aprender hoje (num processo contínuo e sem fim). O primeiro (e talvez único) sistema de aprendizado sem fim é chamado NELL, o qual vem sendo desenvolvido por um grupo de pesquisa sediado na Carnegie Mellon University (EUA) em parceria com o laboratório de aprendizado de máquina da Universidade Federal de São Carlos (UFSCar). O principal objetivo do projeto proposto neste documento é propor e implementar métodos e algoritmos a serem acoplados em sistemas computacionais que apresentem estas características de aprendizado sem fim. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DO AMARAL, LAURENCE RODRIGUES; DA SILVA ALVES, ALEXANDRE HENRICK; MENDES, RAPHAEL DE LIMA; GOMES, MATHEUS DE SOUZA; LIMA BERTARINI, PEDRO LUIZ; HRUSCHKA JR, ESTEVAM RAFAEL; IEEE. Applying Never-Ending Learning (NEL) Principles to Build a Gene Ontology (GO) Biocurator. 2021 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION (CEC 2021), v. N/A, p. 8-pg., . (13/07787-6)
DA SILVA, NADIA F. F.; HRUSCHKA, EDUARDO R.; HRUSCHKA, JR., ESTEVAM R.. Tweet sentiment analysis with classifier ensembles. DECISION SUPPORT SYSTEMS, v. 66, p. 170-179, . (13/07375-0, 13/07787-6)
DO AMARAL, LAURENCE RODRIGUES; HRUSCHKA, JR., ESTEVAM RAFAEL. Transgenic: An evolutionary algorithm operator. Neurocomputing, v. 127, p. 104-113, . (13/07787-6)