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 pro-
blema, a literatura propõem novas técnicas de aprendizagem. Podemos en-
contrar algumas abordagens incrementais para lidar com as alterações de
dados aprendidos ao longo do tempo, mas ainda é raro encontrarmos traba-
lhos 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 modela-
gem do contexto do usuário para incluí-lo como característica (feature) no
Aprendizado de Máquina Incremental clássica e (b) Estudar melhores mo-
delos 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: 2018-10-08
Prazo (meses): 48

Participantes:

Papelordem decrescente Nome
Coordenador Elias Silva de Oliveira
Pesquisador Juliana Pinheiro Campos Pirovani
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