THOMÁS AUGUSTO GOUVEIA CHAVES

Formação complementar

Idiomas

Participação em eventos

Projetos de pesquisa

• 2020 - 2021

  Estudo e Implementação de Seleção de Instâncias Utilizando Difusão Geométrica Markoviana, Descrição: Mapas de difusão são capazes de representar, de modo eficiente, estruturas geométricas complexas. Estes mapas podem ser manipulados através de matrizes Markovianas, que representam probabilidades condicionais entre um conjunto de estados, em que o estado futuro depende apenas do atual. Essas matrizes armazenam a probabilidade, de, dado um elemento de um conjunto de dados, ocorrer a transição para outro. Neste contexto, as difusões têm seu uso clássico em agrupamento de dados e redução de dimensionalidade, para conjuntos com alta dimensão [LAFON et al., 2006] [COIFMAN et al., 2005].[SOUZA, 2011] propôs uma nova utilização para Mapas de Difusão aplicando-os em malhas triangulares para a simplificação, diminuição do número de pontos, das mesmas. Para isso ele utilizou Matrizes Markovianas representantes de Mapas de Difusão para a definição de importâncias nos pontos que definem as estruturas geométricas. Os pontos menos importantes são removidos da estrutura. Isto deu origem à Difusão Geométrica Markoviana (DGM), que atua em dados geométricos, como as malhas triangulares, e que forma um modelo de aprendizagem que é, ao mesmo tempo, topológico, geométrico e estocástico.[SILVA et al., 2016] desenvolveram uma extensão da DGM, denominada DGM-estendida (DGM-e), que permite a sua utilização de forma mais geral, para conjuntos de dados que não têm uma estrutura geométrica intrínseca em sua definição. Assim, a DGM-e permitiu a mineração de bases de dados, com atribuição de importâncias aos elementos que formam bases de dados. Desta forma, a DGM-e propõe a redução de conjuntos de dados com diferentes tamanhos e dimensionalidade, de forma a preservar as instâncias mais representativas do conjunto. Para isso, propuseram a um algoritmo de estruturação de dados que constrói uma estrutura geométrica, representada por grafos, para conjuntos de dados que não a possui. Levando-se em conta o crescente aumento de volume de dados presentes em bases faz-se necessária a disponibilização de métodos que realizem a diminuição das mesmas. Nestas bases, existe muita informação redundante, que não oferece ganho na aprendizagem ou deixam a base tão grande que se torna impraticável sua manipulação para extração de conhecimento. Assim, métodos que selecionem as instâncias mais significativas e que caracterizam as informações presentes nos dados originais, tornam-se necessários. Neste contexto, este plano propõe a implementação de uma biblioteca para utilização da DGM-e. A biblioteca construída permitirá a estruturação de dados não estruturados, a construção da DGM, o cálculo de importâncias para as instâncias dos dados e a obtenção do conjunto reduzido, que preserva ao máximo, as informações contidas no conjunto original.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Thomás Augusto Gouveia Chaves - Integrante / Leandro Carlos de Souza - Coordenador., Financiador(es): Universidade Federal da Paraíba - Bolsa.

• 2020 - 2021

  Estudo e Implementação de Métodos de Aprendizagem de Máquina, Descrição: A Aprendizagem de Máquina (AM) permite a formulação de modelos computacionais para tomada de decisão e análise de dados não-determinísticos sobre bases de dados. Estes modelos são capazes de aprender e regular seus parâmetros de caracterização conforme um método computacional de aprendizagem que lhe é associado. Desta forma, o modelo é construído de tal modo a incorporar as informações ou padrões presentes nos dados que lhe são apresentados. Esta generalidade dos modelos de AM permite a sua utilização nas mais diversas áreas da ciência, como computação, engenharia e medicina, por exemplo. Dada a heterogeneidade dos dados que precisam ser manipulados, é necessária a elaboração de novos métodos para a construção e utilização destes modelos. Além disso, os métodos devem estar ao alcance para a utilização por parte de terceiros. Isto é feito através da disponibilização de bibliotecas de software, que permitem a utilização dos métodos de AM, sem a necessidade de que programadores ou analistas necessitem implementar ou se especializar na área. A facilidade de acesso a métodos prontos possibilita que analistas não são especialistas da área utilizem AM para auxílio de tomada de decisão nas suas respectivas áreas de atuação. Este projeto propõe o estudo e implementação de métodos de AM e sua disponibilização analistas utilizem-nos mais diversas áreas. Estas implementações poderão ser incorporadas a softwares com objetos específicos de predição ou análise em dados. Além das publicações provenientes das pesquisas realizadas espera-se que os métodos, que serão implementados em linguagem de programação, produzam registro de Software para a Universidade e para os componentes envolvidos em sua produção.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Thomás Augusto Gouveia Chaves - Integrante / Leandro Carlos de Souza - Coordenador / Elayni Enoly Sousa Franco - Integrante.