Processos Gaussianos para Aprendizado Supervisionado

Detalhes bibliográficos
Autor(a) principal: Cabral, Bruno Rodrigues
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/224907
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina. Centro de Ciências Físicas e Matemáticas. Matemática.
id UFSC_32b1bc1c12cc121774ce525fe934dc82
oai_identifier_str oai:repositorio.ufsc.br:123456789/224907
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Processos Gaussianos para Aprendizado SupervisionadoProcessos gaussianos, aprendizado supervisionado, função de covariância, expectation propagation, nested expectation propagationTCC (graduação) - Universidade Federal de Santa Catarina. Centro de Ciências Físicas e Matemáticas. Matemática.Este trabalho investiga o uso de processos gaussianos para a resolução de problemas de aprendizado supervisionado, método que vem aumentando em popularidade nos últimos anos na área de aprendizado de máquinas e vem se mostrando uma estratégia competitiva e viável. Primeiramente, tais processos são definidos e suas propriedades estudadas, com um enfoque no papel de suas funções de covariância. Com isso, seguindo uma abordagem Bayesiana, esse processos são aplicados para a resolução de problemas de regressão e classificação. Infelizmente, na maioria dos casos, a distribuição posterior obtida está computacionalmente indisponível, o que leva ao estudo de métodos de aproximação para tal distribuição. Alguns métodos são discutidos, sendo esses o método de expectation propagation, o método de aproximação de Laplace e o uso de Markov chain Monte Carlo. Um enfoque maior é dado para o método de expectation propagation. São apresentados algoritmos para a implementação de tais métodos, com destaque para o nested expectation propagation como um algoritmo para classificação por processos gaussianos seguindo o método de expectation propagation. As estratégias, métodos e algoritmos apresentados são então testados e os resultados obtidos apontam para o uso de processos gaussianos para a resolução de problemas de aprendizagem supervisionada ser uma estratégia viável e com bom desempenho.Florianópolis, SCSacht, Leonardo KollerUniversidade Federal de Santa CatarinaCabral, Bruno Rodrigues2021-07-16T15:01:44Z2021-07-16T15:01:44Z2021-06-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/224907info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2021-07-16T15:01:44Zoai:repositorio.ufsc.br:123456789/224907Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-07-16T15:01:44Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Processos Gaussianos para Aprendizado Supervisionado
title Processos Gaussianos para Aprendizado Supervisionado
spellingShingle Processos Gaussianos para Aprendizado Supervisionado
Cabral, Bruno Rodrigues
Processos gaussianos, aprendizado supervisionado, função de covariância, expectation propagation, nested expectation propagation
title_short Processos Gaussianos para Aprendizado Supervisionado
title_full Processos Gaussianos para Aprendizado Supervisionado
title_fullStr Processos Gaussianos para Aprendizado Supervisionado
title_full_unstemmed Processos Gaussianos para Aprendizado Supervisionado
title_sort Processos Gaussianos para Aprendizado Supervisionado
author Cabral, Bruno Rodrigues
author_facet Cabral, Bruno Rodrigues
author_role author
dc.contributor.none.fl_str_mv Sacht, Leonardo Koller
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Cabral, Bruno Rodrigues
dc.subject.por.fl_str_mv Processos gaussianos, aprendizado supervisionado, função de covariância, expectation propagation, nested expectation propagation
topic Processos gaussianos, aprendizado supervisionado, função de covariância, expectation propagation, nested expectation propagation
description TCC (graduação) - Universidade Federal de Santa Catarina. Centro de Ciências Físicas e Matemáticas. Matemática.
publishDate 2021
dc.date.none.fl_str_mv 2021-07-16T15:01:44Z
2021-07-16T15:01:44Z
2021-06-03
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/224907
url https://repositorio.ufsc.br/handle/123456789/224907
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808651982263549953

Registros relacionados