Processos Gaussianos para Aprendizado Supervisionado
Autor(a) principal: | |
---|---|
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 |