Busca avançada
Ano de início
Entree

Investigation of Self-Supervised Approaches Using Rank-Based Measures

Processo: 23/08150-3
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de julho de 2023
Vigência (Término): 30 de junho de 2024
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Daniel Carlos Guimarães Pedronette
Beneficiário:Guilherme Henrique Jardim
Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Vinculado ao auxílio:18/15597-6 - Aplicação e investigação de métodos de aprendizado não-supervisionado em tarefas de recuperação e classificação, AP.JP2
Assunto(s):Recuperação da informação
Palavra(s)-Chave do Pesquisador:auto-supervisionadas | Ranqueamento | Recuperação da Informação

Resumo

Apesar do progresso significativo alcançado em técnicas de aprendizado supervisionado, a necessidade de extensos conjuntos de dados rotulados representa um gargalo severo. Nesse cenário, outros paradigmas de aprendizado capazes de lidar com o desafio associado à escassez de dados rotulados representam uma alternativa relevante. As abordagens de Aprendizado Auto-supervisionado (SSL, na sigla em inglês) têm se estabelecido como uma maneira promissora de explorar avanços em aprendizado de máquina por meio de muitos exemplos não rotulados e sem nenhum rótulo anotado por humanos. Uma vantagem relevante dos algoritmos de SSL é sua capacidade de aproveitar grandes quantidades de dados não rotulados sem a necessidade de anotações humanas para gerar pseudo-rótulos durante o treinamento. A obtenção de pseudo-rótulos efetivos desempenha um papel importante e representa um desafio fundamental para as abordagens de SSL. Por outro lado, uma alternativa promissora para representar melhor a estrutura dos conjuntos de dados baseia-se no uso de medidas de similaridade contextualmente, que têm sido aplicadas com sucesso para capturar a geometria do espaço subjacente. Neste projeto de pesquisa de graduação, pretendemos investigar o uso de medidas de similaridade contextual baseadas em ranqueamento para abordagens de aprendizado auto-supervisionado.

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