Banca de DEFESA: MARCONDES RICARTE DA SILVA JÚNIOR

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MARCONDES RICARTE DA SILVA JÚNIOR
DATA : 27/02/2024
HORA: 08:00
LOCAL: Centro de Informática - Auditório
TÍTULO:

Mapas Auto-organizáveis Multi-camadas Especialistas com Relevâncias 
Intra e Inter-categoria

PALAVRAS-CHAVES:

Mapas Auto-Organizáveis, Relevâncias, Multi-camadas, 
Intra-categoria, Inter-categoria, Categorização de Cenas.

PÁGINAS: 110
RESUMO:

O crescimento exponencial na quantidade e acessibilidade de dados 
provenientes de diversas fontes tem gerado uma demanda crescente por 
modelos e ferramentas capazes de capturar, armazenar, analisar e visualizar 
esses dados.Por exemplo, a habilidade de categorizar cenas é crucial para a 
construção de mapas semânticos por robôs, proporcionando-lhes a capacidade 
de compreender o contexto do ambiente com conceitos de alto nível. Tarefas 
de categorização para mineração de dados ou categorização de objetos também 
são muito relevantes e demandadas. A complexidade do agrupamento aumenta 
proporcionalmente ao número de amostras, categorias e dimensionalidade dos 
dados, levando as métricas de distância a perderem poder de discriminação. 
Nesse contexto, apresentamos um algoritmo de agrupamento por subespaço que 
aprende uma categoria por vez em um Mapa Auto-organizável (SOM) próprio. 
Nosso modelo de SOMs com múltiplas camadas aprende um coeficiente de 
relevância intra-categoria para cada dimensão de agrupamento, enfatizando 
os atributos mais importantes para a categorização. Cada camada realiza 
incorpora também a relevância inter-categoria dos atributos. As amostras 
são propagadas entre as camadas por meio de um processo de composição de 
amostras com protótipos treinados. Ao final de todas as camadas, é 
realizado um refinamento por meio de inferência variacional. Avaliamos o 
modelo utilizando conjuntos de dados para mineração, reconhecimento de 
objetos e cenas. Comparamos os resultados com modelos que dividem o espaço 
por diagrama de Voronoi, famílias de modelos derivados do k-NN e do LVQ. 
Nossos experimentos indicam que nosso modelo é competitivo e escalável.

MEMBROS DA BANCA:
Externo à Instituição - ADRIEN JOAN SYLVAIN DURAND PETITEVILLE - UFPE
Externo à Instituição - BRUNO JOSE TORRES FERNANDES - UPE
Externo à Instituição - GUILHERME DE ALENCAR BARRETO - UFC
Presidente - 1710187 - HANSENCLEVER DE FRANCA BASSANI
Externo à Instituição - ZHAO LIANG - USP