12 - Competição e Cooperação entre Partículas em Redes - Computação Inspirada pela Natureza

- Introdução
- Aprendizado de Máquina
- Aprendizado Supervisionado
- Aprendizado Nâo Supervisionado
- Aprendizado Semi-Supervisionado
- Auto Treinamento
- Modelos Generativos
- Separação de Baixa Densidade
- Modelos Baseados em Grafos
- Propagando rótulos pelo grafo
- Competição e Cooperação entre Partículas em Redes
- Motivações
- Origem: Modelo de Competição de Partículas
- Descrição do Modelo
- Configuração Inicial dos Nós
- Exemplo: Alunos aprovados em vestibular
- Normalização dos Dados
- Construção do Grafo
- Configuração Inicial das Partículas
- Configuração Inicial dos Nós
- Dinâmica de Nós
- Dinâmica de Partículas
- Tabela de Distância
- Caminhada Aleatório-Gulosa
- Choques
- Algoritmo
- Resultados
- Análise de Complexidade
- Desempenho de Classificação
- Benchmark
- Erros de Classificação e Tempos de Execução em Grandes Conjuntos de Dados
- Código-Fonte
- Extensões do Modelo
- Detecção de Comunidades Sobrepostas
- Modelo de Partículas aplicado à Detecção de Comunidades Sobrepostas
- Desempenho de Classificação com presença de outliers
- Classificação Nebulosa em Conjuntos de Dados Reais
- Aprendizado Semi-Supervisionado com Dados Imperfeitos
- Simulações em redes contendo nós com rótulos errados.
- Simulação: Redes com Diferentes Tamanhos
- Simulação: Redes com Diferentes Misturas
- Classificação Semi-Supervisionada de Fluxos de Dados
- Simulação: Mudança Lenta de Conceito
- Simulação: Mudança Rápida de Conceito
- Simulação: Conjunto de Dados KDD Cup 1999
- Aprendizado Ativo e Semi-Supervisionado
- Modelo de Partículas aplicado ao Aprendizado Ativo e Semi-Supervisionado
- Segmentação Interativa de Imagens
- Modelo de Partículas aplicado à Segmentação de Imagens
- Rotulando os pixels não rotulados
- Segmentação Interativa de Imagens usando Propagação de Rótulos em Redes Complexas
- Novas Aplicações
- Auxílio no Diagnóstico da Doença de Alzheimer
- Auxílio para Deficientes Visuais (Detecção de Obstáculos)
- Conclusões
- Impacto do modelo de Partículas

Fabricio Breve possui graduação em Ciência da Computação pela Universidade Metodista de Piracicaba (UNIMEP, 2001), mestrado em Ciência da Computação pela Universidade Federal de São Carlos (UFSCar, 2006) e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (USP, 2010) com período sanduíche na University of Alberta (UofA), Canadá. Fez estágio de pós-doutoramento de 2010 a 2011 na Universidade de São Paulo. Em 2018 obteve o título de Livre-Docente em Redes de Computadores. Atualmente é professor associado da Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP). Seus interesses de pesquisa incluem aprendizado de máquina, reconhecimento de padrões, processamento de imagens, redes complexas, redes neurais artificiais e computação inspirada pela natureza.

https://www.fabriciobreve.com/

Bibliografia:

CASTRO, Leandro Nunes. Fundamentals of Natural Computing: Basic Concepts, Algorithms, And Applications. CRC Press, 2006
https://amzn.to/3wj1jAL

CARVALHO, André Ponce de Leon F. de. Notas de Aula, 2007
http://www.icmc.usp.br/~andre/

BROWNLEE, Jason. Clever Algorithms: Nature-Inspired Programming Recipes. Jason Brownlee, 2011.
http://amzn.to/1UxH889

BONABEAU, Eric; DORIGO, Marco; THERAULAZ, Guy. Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press, 1999.
http://amzn.to/23nGGug

DORIGO, Marco; STÜTZLE, Thomas. Ant Colony Optimization. Bradford Books, 2004.
http://amzn.to/1W67ekI

BREVE, Fabricio; ZHAO, Liang; QUILES, Marcos G.; PEDRYCZ, Witold; LIU, Jimming. “Particle competition and cooperation in networks for semi-supervised learning”. Knowledge and Data Engineering, IEEE Transactions on, 2012.
http://doi.ieeecomputersociety.org/10.1109/TKDE.2011.119

BREVE, Fabricio Aparecido. Aprendizado de Máquina em Redes Complexas. 165 páginas. Tese. São Carlos: Universidade de São Paulo, 2010.
http://www.fabriciobreve.com/artigos/tese-fab.pdf