Busca avançada
Ano de início
Entree

Mapeamento Inverso: Empregando Manipulação Interativa para Transformar Modelos Computacionais

Processo: 15/08118-6
Modalidade de apoio:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de janeiro de 2016
Vigência (Término): 30 de junho de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Fernando Vieira Paulovich
Beneficiário:Gabriel Dias Cantareira
Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:11/22749-8 - Desafios em visualização exploratória de dados multidimensionais: novos paradigmas, escalabilidade e aplicações, AP.TEM
Bolsa(s) vinculada(s):17/08817-7 - Aprendizado de Distâncias e Mapeamento Inverso de Visualizações Aplicados em Mineração de Textos, BE.EP.DR
Assunto(s):Computação gráfica   Mineração de dados   Visualização de informação
Palavra(s)-Chave do Pesquisador:mineração visual de dados | Visual anaytics | Visualização de Informação | Computação Gráfica

Resumo

Com a crescente quantidade e complexidade de conjuntos de dados armazenados por sistemas computacionais de todo tipo, explorar e extrair conhecimento de tais conjuntos vem se tornando uma tarefa cada vez mais difícil. Visando resolver este problema, técnicas baseadas em mineração de dados, aprendizado de máquina e visualização de informação adquiriram grande importância em desenvolvimentos científicos recentes. A área conhecida como Visual Analytics compreende a utilização de modelos visuais para possibilitar ao usuário aplicar seu conhecimento no processo de mineração ou aprendizado, gerando assim maior eficiência na execução de determinadas tarefas. No entanto, embora existam muitas técnicas de visualização encarregadas de transmitir informações contidas nos dados ao espaço visual, o procedimento inverso nem sempre ocorre de maneira simples, o que faz com que o processo de transmitir ideias e conhecimento do usuário de volta ao modelo computacional a partir da visualização se torne difícil. Este problema é particularmente expressivo no caso de projeções multidimensionais, que nem sempre são geradas por meio de funções que admitem uma inversa. A proposta deste projeto de doutorado consiste em estudar e desenvolver novas abordagens de visualização que apóiem o conceito de mapeamento inverso, especialmente no que diz respeito a técnicas de projeção multidimensional, com foco na utilização em visual analytics visando oferecer a um usuário informações sobre não só a equivalência dos dados exibidos em relação aos originais como também o impacto resultante de suas alterações.

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)
CANTAREIRA, GABRIEL D.; PAULOVICH, FERNANDO, V; ETEMAD, ELHAM; KERREN, A; HURTER, C; BRAZ, J. Visualizing Learning Space in Neural Network Hidden Layers. VISAPP: PROCEEDINGS OF THE 15TH INTERNATIONAL JOINT CONFERENCE ON COMPUTER VISION, IMAGING AND COMPUTER GRAPHICS THEORY AND APPLICATIONS, VOL 4: VISAPP, v. N/A, p. 12-pg., . (17/08817-7, 15/08118-6)
CANTAREIRA, GABRIEL D.; ETEMAD, ELHAM; PAULOVICH, FERNANDO V.. Exploring Neural Network Hidden Layer Activity Using Vector Fields. INFORMATION, v. 11, n. 9, p. 15-pg., . (17/08817-7, 15/08118-6)
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
CANTAREIRA, Gabriel Dias. Aprimorando Técnicas de Redução de Dimensionalidade para Visualização de Redes Neurais Profundas. 2020. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.