Portal InstitucionalUFPEL

11/06/2015 - 11/06/2019

Ciências Exatas e da Terra - Ciência da Computação

Aprendizado Profundo é uma área do Aprendizado de Máquina focada em modelos hierárquicos capazes de criar representações incrementalmente abstratas do problema sendo tratado [1]. O objetivo destes modelos é criar representações de dados capazes de generalizar conceitos a partir de exemplos de forma supervisionada ou não-supervisionada – isto é, através de exemplos rotulados ou não. Uma das áreas onde aprendizado profundo tem sido aplicado com sucesso é em tarefas de classificação, onde o objetivo é classificar um determinado exemplo em uma entre um número limitado de classes. Algoritmos baseados em aprendizado profundo têm se mostrado bastante eficazes em diversos cenários deste tipo, frequentemente superando o estado-da-arte – e.g. reconhecimento de caracteres [2,3], classificação de objetos em imagens [3,4,5], reconhecimento de voz [6,7,8]. Ainda é foco de estudo identificar outros cenários onde é propícia e vantajosa a aplicação destas técnicas de aprendizado, bem como cenários onde estas não são adequadas. Identificar tais cenários é um importante problema devido a maneira com que técnicas baseadas em aprendizado profundo tem se posicionado na área de Inteligência Artificial (IA) – e.g. como o futuro da IA [9], de forma semelhante como Redes Neurais Artificiais se posicionaram na década de 80. Nos diversos projetos de pesquisa ligados ao Grupo de Aplicações em Inteligência Artificial (GAIA), diferentes algoritmos de aprendizado de máquina tem sido utilizados para diferentes propósitos, incluindo biometria, reconhecimento de doenças em plantas, reconhecimento de desenhos e identificação de alunos em risco. Estas aplicações geraram ou estão gerando diversos resultados com técnicas de aprendizado de máquina tradicionais e os dados utilizados são amplamente disponíveis, tornando-as interessantes para aplicação de aprendizado profundo para comparação com resultados prévios. Tal comparação poderá permitir que estabeleça-se atributos de problemas que indicam que aprendizado profundo é uma melhor escolha em relação a outros técnicas.