Theoretical and Applied Contributions on Tensor Learning

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Peixoto, Antônio Augusto Teixeira
Orientador(a): Fernandes, Carlos Alexandre Rolim
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Inteligência artificial
Link de acesso: http://www.repositorio.ufc.br/handle/riufc/69020
Resumo: PEIXOTO, Antonio Augusto Teixeira Peixoto. Theoretical and Applied Contributions on Tensor Learning. 2022. 147 f. Tese (Doutorado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
id UFC-7_01147c42105f1f6fbf612dc4392bf8ae
oai_identifier_str oai:repositorio.ufc.br:riufc/69020
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Peixoto, Antônio Augusto TeixeiraFernandes, Carlos Alexandre Rolim2022-10-27T19:00:56Z2022-10-27T19:00:56Z2022-07-21PEIXOTO, A. A. T. Theoretical and Applied Contributions on Tensor Learning. 2022. 147 f. Tese (Doutorado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.http://www.repositorio.ufc.br/handle/riufc/69020PEIXOTO, Antonio Augusto Teixeira Peixoto. Theoretical and Applied Contributions on Tensor Learning. 2022. 147 f. Tese (Doutorado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.Tensor learning refers to a series of tools and techniques for modeling and understanding complex multidimensional datasets, in order to build efficient learning models. It is a fairly new area in machine learning, which blends, especially, with statistical learning and tensor models. Indeed, tensor learning has proven to be an alternative to conventional vector-based learning techniques that are well-known in the literature, such as the Support Tensor Machines (STM), which is a multilinear extension of the Support Vector Machines (SVM). This work proposes theoretical and applied contributions to tensor learning in the following way. First, a fully tensorial framework for seismic event classification is proposed, which performs feature extraction, dimensionality reduction and classification, with all these steps using tensor-based techniques. Next, a new dimensionality reduction technique called Low-Correlation Multilinear Dimensionality Reduction (LC-MDR), based on a new tensor decomposition, the Even-Order Nested PARAFAC Decomposition (EONPD), is proposed and validated, successfully reducing the correlation and dimensionality of seismic data, improving classification rates. And last, a multilinear sampling approach for tensor learning and data structuring is proposed, which is used in the modification of the SVM technique, joining the concept of multilinear sampling and tensor decompositions, more specificaly, the PARAFAC and Tucker, then, the proposed modifications, called Support Vector Machines with Multilinear PARAFAC Sampling (SVMMPS) and Support Vector Machines with Multilinear Tucker Sampling (SVM-MTS), are tested for photonic data classification. These three new proposed contributions to tensor learning showed better performance, in terms of accuracy, when compared to other techniques of the literature.O aprendizado tensorial refere-se a uma série de ferramentas e técnicas para modelagem e compreensão de conjuntos de dados multidimensionais complexos, a fim de construir modelos de aprendizado eficientes. É uma área relativamente nova em aprendizado de máquina, que se mistura, principalmente, com aprendizado estatístico e modelos tensoriais. De fato, o aprendizado tensorial provou ser uma alternativa às técnicas convencionais de aprendizado baseado em vetores que são bem conhecidas na literatura, como as Support Tensor Machines (STM), que são uma extensão multilinear das Support Vector Machines (SVM). Este trabalho propõe contribuições teóricas e aplicadas em aprendizado tensorial, da seguinte forma. Primeiramente, é proposto um arcabouço totalmente tensorial para classificação de eventos sísmicos, que realiza extração de características, redução de dimensionalidade e classificação, sendo todas estas etapas realizadas com técnicas baseadas em tensores. Em seguida, uma nova técnica de redução de dimensionalidade chamada Low-Correlation Multilinear Dimensionality Reduction (LC-MDR), baseada em uma nova decomposição tensorial, a Even-Order Nested PARAFAC Decomposition (EONPD), é proposta e validada, reduzindo com sucesso a correlação e dimensionalidade de dados sísmicos, melhorando as taxas de classificação. E por último, é proposta uma abordagem de amostragem multilinear para aprendizado tensorial e estruturação de dados, que é utilizada na modificação da técnica SVM, juntando o conceito de amostragem multilinear e decomposição tensorial, mais especificamente, as decomposições PARAFAC e Tucker, em seguida, as modificações propostas, denominadas Support Vector Machines with Multilinear PARAFAC Sampling (SVM-MPS) e Support Vector Machines com Multilinear Tucker Sampling (SVM-MTS), são testados para classificação de dados fotônicos. Essas três novas contribuições propostas na área de aprendizado tensorial apresentaram melhor desempenho, em termos de acurácia, quando comparadas a outras técnicas da literatura.Aprendizado de máquinaInteligência artificialTheoretical and Applied Contributions on Tensor Learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisengreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccessORIGINAL2022_tese_peixotoaat.pdf2022_tese_peixotoaat.pdfapplication/pdf1689645http://repositorio.ufc.br/bitstream/riufc/69020/1/2022_tese_peixotoaat.pdff64a974818c877a0648bde914553ecf2MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82152http://repositorio.ufc.br/bitstream/riufc/69020/2/license.txtfb3ad2d23d9790966439580114baefafMD52riufc/690202022-11-03 08:45:01.931oai:repositorio.ufc.br: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Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2022-11-03T11:45:01Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.pt_BR.fl_str_mv Theoretical and Applied Contributions on Tensor Learning
title Theoretical and Applied Contributions on Tensor Learning
spellingShingle Theoretical and Applied Contributions on Tensor Learning
Peixoto, Antônio Augusto Teixeira
Aprendizado de máquina
Inteligência artificial
title_short Theoretical and Applied Contributions on Tensor Learning
title_full Theoretical and Applied Contributions on Tensor Learning
title_fullStr Theoretical and Applied Contributions on Tensor Learning
title_full_unstemmed Theoretical and Applied Contributions on Tensor Learning
title_sort Theoretical and Applied Contributions on Tensor Learning
author Peixoto, Antônio Augusto Teixeira
author_facet Peixoto, Antônio Augusto Teixeira
author_role author
dc.contributor.author.fl_str_mv Peixoto, Antônio Augusto Teixeira
dc.contributor.advisor1.fl_str_mv Fernandes, Carlos Alexandre Rolim
contributor_str_mv Fernandes, Carlos Alexandre Rolim
dc.subject.por.fl_str_mv Aprendizado de máquina
Inteligência artificial
topic Aprendizado de máquina
Inteligência artificial
description PEIXOTO, Antonio Augusto Teixeira Peixoto. Theoretical and Applied Contributions on Tensor Learning. 2022. 147 f. Tese (Doutorado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-10-27T19:00:56Z
dc.date.available.fl_str_mv 2022-10-27T19:00:56Z
dc.date.issued.fl_str_mv 2022-07-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PEIXOTO, A. A. T. Theoretical and Applied Contributions on Tensor Learning. 2022. 147 f. Tese (Doutorado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufc.br/handle/riufc/69020
identifier_str_mv PEIXOTO, A. A. T. Theoretical and Applied Contributions on Tensor Learning. 2022. 147 f. Tese (Doutorado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
url http://www.repositorio.ufc.br/handle/riufc/69020
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
bitstream.url.fl_str_mv http://repositorio.ufc.br/bitstream/riufc/69020/1/2022_tese_peixotoaat.pdf
http://repositorio.ufc.br/bitstream/riufc/69020/2/license.txt
bitstream.checksum.fl_str_mv f64a974818c877a0648bde914553ecf2
fb3ad2d23d9790966439580114baefaf
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1847793380145233920

Registros relacionados