Busca avançada
Ano de início
Entree

Aprendizado semissupervisionado via redes complexas: construção de redes, seleção e propagação de rótulos e aplicações

Resumo

O aprendizado semissupervisionado (SSL) baseado em rede é um paradigma promissor para modelar o manifold no espaço multi-dimensional dos dados, além de ser efetivo na propagação de uma pequena quantidade de rótulos iniciais para uma grande quantidade de dados não rotulados. Essa abordagem tem sido utilizada em uma variedade de aplicações, como segmentação e anotação de imagens, reconhecimento de fala humana, classificação de textos, etc. Recentemente foi observado por diversos autores a importância da rede gerada para o processo de propagação de rótulos, porém outros aspectos ainda foram pouco investigados, como por exemplo, a seleção dos exemplos iniciais rotulados, ou as características topológicas da rede. Assim, o objetivo deste projeto é investigar em profundidade todas as etapas envolvidas no SSL, incluindo a seleção de rótulos iniciais, a seleção do tipo de rede a ser construída e do método para propagação de rótulos, além de propor novas abordagens para melhorar o resultado desse processo. Também serão endereçados desafios da área como rótulos contaminados ou desbalanceados, bases de dados de grande proporção e aplicações em mineração de textos, análise de dados climáticos e data augmentation para imagens. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (9)
(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)
DE AQUINO AFONSO, BRUNO KLAUS; BERTON, LILIAN. Identifying noisy labels with a transductive semi-supervised leave-one-out filter. PATTERN RECOGNITION LETTERS, v. 140, p. 127-134, . (18/01722-3, 18/15014-0)
SANO, HUMBERTO HAYASHI; BERTON, LILIAN. Temporal Event Graph Approach and Robustness Analysis for Air Transport Networ. IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING, v. 8, n. 4, p. 3453-3464, . (18/01722-3)
FERREIRA, LEONARDO N.; VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; CARDOSO, MANOEL F.; MACAU, ELBERT E. N.. Global fire season severity analysis and forecasting. Computers & Geosciences, v. 134, . (13/07375-0, 19/00157-3, 18/03211-6, 18/01722-3, 17/05831-9, 15/50122-0, 16/23698-1)
FREITAS, VANDER L. S.; YANCHUK, SERHIY; ZAKS, MICHAEL; MACAU, ELBERT E. N.. Synchronization-based symmetric circular formations of mobile agents and the generation of chaotic trajectories. COMMUNICATIONS IN NONLINEAR SCIENCE AND NUMERICAL SIMULATION, v. 94, . (17/24224-6, 18/01722-3, 15/50122-0, 17/04552-9)
VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; ROCHA, ANDERSON; BERTON, LILIAN. Link Prediction Based on Stochastic Information Diffusion. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, . (17/12646-3, 13/07375-0, 18/24260-5, 18/01722-3, 19/26283-5, 15/50122-0, 19/07665-4, 16/23698-1)
DUARTE, JOSE MARCIO; SOUSA, SAMUEL; MILIOS, EVANGELOS; BERTON, LILIAN. Deep analysis of word sense disambiguation via semi-supervised learning and neural word representations. INFORMATION SCIENCES, v. 570, p. 278-297, . (18/01722-3, 18/09465-0)
VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; BERTON, LILIAN. Evaluating link prediction by diffusion processes in dynamic networks. SCIENTIFIC REPORTS, v. 9, . (18/24260-5, 13/07375-0, 18/01722-3, 16/23698-1, 15/50122-0)
VEGA-OLIVERO, DIDIER A.; GOMES, PEDRO SPOLJARIC; MILIOS, EVANGELOS E.; BERTON, LILIAN. A multi-centrality index for graph-based keyword extraction. INFORMATION PROCESSING & MANAGEMENT, v. 56, n. 6, . (18/01722-3, 18/24260-5, 16/23698-1, 15/50122-0)
DE CASTRO SANTOS, MATHEUS A.; VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; BERTON, LILIAN. Classifying El Ni & x00F1;o-Southern Oscillation Combining Network Science and Machine Learning. IEEE ACCESS, v. 8, p. 55711-55723, . (18/01722-3, 18/24260-5, 16/23698-1, 15/50122-0, 18/04029-7)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.