Algoritmos de Aprendizado Inteligente, Incremental, Sensíveis ao Contexto, para Classificação Automática

Resumo: Técnicas clássicas de aprendizagem de máquina para a classificação de dados têm rendido bons resultados quando os dados são estáveis: seja com respeito ao horizonte de tempo e/ou quando um dado contexto é fixo. Por contexto, entende-se uma descrição de aspectos de informação de interesse para um dado usuário. No entanto, em muitos casos, essas técnicas podem ser ineficientes para dados que estão em constante expansão e/ou mudam ao longo do tempo e contextos. Para abordar a primeira parte deste problema, a literatura propõem novas técnicas de aprendizagem. Podemos encontrar algumas abordagens incrementais para lidar com as alterações de dados aprendidos ao longo do tempo, mas ainda é raro encontrarmos trabalhos que considerem o problema quando o contexto também desempenha um papel importante na necessidade de informação por parte do usuário. Esse projeto tem dois objetivos: (a) Investigar uma forma adequada de modelagem do contexto do usuário para incluí-lo como característica (feature) no Aprendizado de Máquina Incremental clássica e (b) Estudar melhores modelos para caracterizar conjuntos de dados e suas influências incrementais em algoritmos de aprendizagem para que possamos escolher um adequado algoritmo para tratar estes conjuntos de dados.

Data de início: 2016-08-01
Prazo (meses): 24

Participantes:

Papelordem decrescente Nome
Aluno Doutorado Juliana Pinheiro Campos Pirovani
Coordenador Elias Silva de Oliveira
Pesquisador Eliana Zandonade
Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910