Busca avançada
Ano de início
Entree
Conteúdo relacionado

Investigação e avaliação de medidas de correlação de ranqueamento

Processo: 21/07993-1
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de setembro de 2021
Data de Término da vigência: 31 de agosto de 2022
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Daniel Carlos Guimarães Pedronette
Beneficiário:Vinicius Atsushi Sato Kawai
Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Vinculado ao auxílio:18/15597-6 - Aplicação e investigação de métodos de aprendizado não-supervisionado em tarefas de recuperação e classificação, AP.JP2
Assunto(s):Aprendizado computacional   Recuperação da informação   Técnicas, medidas, equipamentos de medição
Palavra(s)-Chave do Pesquisador:Ranqueamento | Recuperação de Informação e Aprendizado de Máquina

Resumo

Informações de similaridade baseadas em análise contextual apresentam um grande potencial em várias tarefas de aprendizado de máquina e recuperação de informação. Medidas de correlação de ranqueamento provêm uma ferramenta eficaz para análise de similaridade contextual. Recentemente, essas medidas têm sido exploradas com sucesso em cenários não supervisionados e fracamente supervisionados. Nesse cenário, este projeto tem como principal objetivo a avaliação e investigação de novas medidas. A ideia principal consiste em avaliar as métricas existentes e investigar o desenvolvimento de métricas que possam aumentar a eficácia dos métodos em que são utilizadas. (AU)

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
(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)
VALEM, LUCAS PASCOTTI; SATO KAWAI, VINICIUS ATSUSHI; PEREIRA-FERRERO, VANESSA HELENA; GUIMARAES PEDRONETTE, DANIEL CARLOS; IEEE. A NOVEL RANK CORRELATION MEASURE FOR MANIFOLD LEARNING ON IMAGE RETRIEVAL AND PERSON RE-ID. 2022 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING, ICIP, v. N/A, p. 5-pg., . (18/15597-6, 20/02183-9, 21/07993-1, 20/11366-0)