Busca avançada
Ano de início
Entree

Investigação de Medidas Contextuais para Aprendizado Fracamente Supervisionado baseadas em Grafos

Processo: 20/08854-2
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de setembro de 2020
Data de Término da vigência: 31 de agosto de 2021
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Acordo de Cooperação: Microsoft Research
Pesquisador responsável:Daniel Carlos Guimarães Pedronette
Beneficiário:Bionda Rozin
Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Empresa:Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Instituto de Geociências e Ciências Exatas (IGCE)
Vinculado ao auxílio:17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais, AP.PITE
Assunto(s):Aprendizado computacional   Grafos
Palavra(s)-Chave do Pesquisador:contextual measures | graph | weakly supervised learning | Aprendizado de Máquina

Resumo

Enquanto medidas de distância/similaridade tradicionais são baseadas em análises par-a-par, medidas contextuais consideram também as relações de similaridade da vizinhança. Recentemente, essas medidas foram exploradas com sucesso em várias tarefas de aprendizado não supervisionado, especialmente utilizando grafos. Nesse cenário, este projeto considera a hipótese de que essas medidas também podem ser aplicadas em tarefas de aprendizado fracamente supervisionadas. A idéia principal consiste em expandir pequenos conjuntos de treinamento por meio de relações de similaridade confiáveis identificadas em grafos. Desta forma, o objetivo principal é investigar se tal abordagem pode trazer ganhos de acurácia quando aplicadas a métodos de aprendizado fracamente supervisionados.

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

Publicações científicas
(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)
ROZIN, BIONDA; PEREIRA-FERRERO, VANESSA HELENA; LOPES, LEONARDO TADEU; PEDRONETTE, DANIEL CARLOS GUIMARAES. A rank-based framework through manifold learning for improved clustering tasks. INFORMATION SCIENCES, v. 580, p. 202-220, . (17/25908-6, 20/02183-9, 20/08854-2, 18/15597-6)