Aprendizado de maquina baseado na teoria de informacao

Resumo

Neste projeto, propomos a realização de um estudo sobre a aplicação de técnicas de aprendizado de máquina baseadas em teoria de informação em contraposição a paradigmas mais clássicos como aquele baseado no erro quadrático médio. No âmbito da filtragem supervisionada, serão avaliados métodos baseados em grandezas como a divergência de Kullback-Leibler, a entropia do erro e a informação mútua entre sinal de saída do filtro e sinal desejado. No caso de filtragem não-supervisionada, dar-se-á ênfase a uma análise do critério de equalização baseado na correntropia, bem como à perspectiva de adaptar o algoritmo do módulo constante (ou o algoritmo de Shalvi-Weinstein) para lidar com informação temporal da fonte que se busca recuperar. Em ambos os casos, ter-se-á sempre em mente também a idéia de averiguar critérios de avaliação nos quais haja vantagens de métricas alternativas frente ao erro quadrático médio.? (AU)