Modelos de aprendizado baseados em energia e suas aplicações

Resumo

Modelos de aprendizado baseados em energia têm sido utilizados nas mais variadas áreas de pesquisa, dado que fazem parte de um amplo arcabouço que compreende técnicas probabilísticas e não probabilísticas. Dentre os principais representantes desse segmento, podemos citar as Máquinas de Boltzmann Restritas e suas variantes no contexto de aprendizado em profundidade: Redes de Crença em Profundidade e Máquinas de Boltzmann em Profundidade. Tais modelos possuem, também, certos pontos fracos que serão explorados na presente proposta de projeto de pesquisa, tais como a otimização de seus parâmetros de maneira automática, a melhoria da eficácia do seu processo de treinamento por meio de amostragem em campos de Markov, e como diferentes técnicas de regularização baseadas em temperaturas e corte de neurônios podem ser empregadas. O projeto de pesquisa irá atuar em duas frentes: (i) aplicação e (ii) teoria. Na primeira delas, buscaremos aplicações que ainda não avaliaram os modelos de aprendizado baseados em energia acima citados, principalmente aquelas baseadas em biometria e da área médica. Já na parte teórica, esperamos contribuir com diferentes modelos para amostragem em cadeias de Markov visando uma melhoria no processo de inferência desses modelos. A presente proposta também conta com colaboradores nacionais e internacionais, bem como diversos alunos de graduação e pós-graduação. Dado que não existem muitos grupos de pesquisa no Brasil que trabalham na temática dessa proposta, acredita-se que a mesma poderá trazer muitos benefícios para toda a comunidade. (AU)