Learning W-operators in the boolean interval partition lattice learning space

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Cunha Filho, Francisco Edvar da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Algoritmo ISI
Busca estocástica
Descida Estocástica no Reticulado Booleano das Partições Intervalares para Aprendizado (SDBIPL)
ISI algorithm
Problema da curva U
Stochastic Descent on the Boolean Interval Partition Lattice (SDBIPL)
Stochastic search
U-curve problem
W-operadores
W-operators
Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-11122024-212858/
Resumo: This work presents the Stochastic Descent on the Boolean Interval Partition Lattice (SDBIPL) algorithm, a novel contribution to the field of lattice-based learning. The SDBIPL algorithm extends the U-curve problem to the Boolean Interval Partition Lattice (BIPL), offering a more flexible and adaptive search strategy compared to the pioneering ISI algorithm. By conducting a stochastic search and dynamically adjusting the complexity of the learned function, SDBIPL overcomes the limitations of deterministic exploration and addresses the challenge of uncontrolled complexity inherent in ISI. We provide an efficient C++ implementation of the SDBIPL algorithm and demonstrate its effectiveness in learning W-operators for image noise removal. The promising results highlight the potential of the proposed approach. Future work will explore applications of the SDBIPL algorithm to more complex problems involving W-Operators and classification, such as digit recognition. Furthermore, we aim to optimize the algorithm through parallelization and refined error calculation techniques to enhance its performance and scalability.
id USP_63b3103ce6342c2981141e1cde73c23d
oai_identifier_str oai:teses.usp.br:tde-11122024-212858
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Learning W-operators in the boolean interval partition lattice learning spaceAprendizado de W-operadores no espaço de aprendizado do reticulado booleano das partições intervalaresAlgoritmo ISIBusca estocásticaDescida Estocástica no Reticulado Booleano das Partições Intervalares para Aprendizado (SDBIPL)ISI algorithmProblema da curva UStochastic Descent on the Boolean Interval Partition Lattice (SDBIPL)Stochastic searchU-curve problemW-operadoresW-operatorsThis work presents the Stochastic Descent on the Boolean Interval Partition Lattice (SDBIPL) algorithm, a novel contribution to the field of lattice-based learning. The SDBIPL algorithm extends the U-curve problem to the Boolean Interval Partition Lattice (BIPL), offering a more flexible and adaptive search strategy compared to the pioneering ISI algorithm. By conducting a stochastic search and dynamically adjusting the complexity of the learned function, SDBIPL overcomes the limitations of deterministic exploration and addresses the challenge of uncontrolled complexity inherent in ISI. We provide an efficient C++ implementation of the SDBIPL algorithm and demonstrate its effectiveness in learning W-operators for image noise removal. The promising results highlight the potential of the proposed approach. Future work will explore applications of the SDBIPL algorithm to more complex problems involving W-Operators and classification, such as digit recognition. Furthermore, we aim to optimize the algorithm through parallelization and refined error calculation techniques to enhance its performance and scalability.Este trabalho apresenta o algoritmo de Descida Estocástica no Reticulado Booleano das Partições Intervalares (SDBIPL), uma contribuição original para o campo da aprendizado baseada em reticulados. O algoritmo SDBIPL estende o problema da curva-U para o Reticulado de Partições Intervalares Booleanas (BIPL), oferecendo uma estratégia de busca mais flexível e adaptável em comparação com o algoritmo pioneiro ISI. Ao conduzir uma busca estocástica e ajustar dinamicamente a complexidade da função aprendida, o SDBIPL supera as limitações da exploração determinística e aborda o desafio da complexidade não controlada inerente ao ISI. Fornecemos uma implementação eficiente em C++ do algoritmo SDBIPL e demonstramos sua eficácia no aprendizado de W-operadores para remoção de ruído em imagens. Os resultados promissores destacam o potencial da abordagem proposta. Trabalhos futuros explorarão aplicações do algoritmo SDBIPL em problemas mais complexos envolvendo W-operadores e classificação, como reconhecimento de dígitos. Além disso, pretendemos otimizar o algoritmo por meio de paralelização e técnicas refinadas de cálculo de erro para aprimorar seu desempenho e escalabilidade.Biblioteca Digitais de Teses e Dissertações da USPBarrera, JuniorCunha Filho, Francisco Edvar da2024-11-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/45/45134/tde-11122024-212858/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2024-12-12T18:59:02Zoai:teses.usp.br:tde-11122024-212858Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-12-12T18:59:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Learning W-operators in the boolean interval partition lattice learning space
Aprendizado de W-operadores no espaço de aprendizado do reticulado booleano das partições intervalares
title Learning W-operators in the boolean interval partition lattice learning space
spellingShingle Learning W-operators in the boolean interval partition lattice learning space
Cunha Filho, Francisco Edvar da
Algoritmo ISI
Busca estocástica
Descida Estocástica no Reticulado Booleano das Partições Intervalares para Aprendizado (SDBIPL)
ISI algorithm
Problema da curva U
Stochastic Descent on the Boolean Interval Partition Lattice (SDBIPL)
Stochastic search
U-curve problem
W-operadores
W-operators
title_short Learning W-operators in the boolean interval partition lattice learning space
title_full Learning W-operators in the boolean interval partition lattice learning space
title_fullStr Learning W-operators in the boolean interval partition lattice learning space
title_full_unstemmed Learning W-operators in the boolean interval partition lattice learning space
title_sort Learning W-operators in the boolean interval partition lattice learning space
author Cunha Filho, Francisco Edvar da
author_facet Cunha Filho, Francisco Edvar da
author_role author
dc.contributor.none.fl_str_mv Barrera, Junior
dc.contributor.author.fl_str_mv Cunha Filho, Francisco Edvar da
dc.subject.por.fl_str_mv Algoritmo ISI
Busca estocástica
Descida Estocástica no Reticulado Booleano das Partições Intervalares para Aprendizado (SDBIPL)
ISI algorithm
Problema da curva U
Stochastic Descent on the Boolean Interval Partition Lattice (SDBIPL)
Stochastic search
U-curve problem
W-operadores
W-operators
topic Algoritmo ISI
Busca estocástica
Descida Estocástica no Reticulado Booleano das Partições Intervalares para Aprendizado (SDBIPL)
ISI algorithm
Problema da curva U
Stochastic Descent on the Boolean Interval Partition Lattice (SDBIPL)
Stochastic search
U-curve problem
W-operadores
W-operators
description This work presents the Stochastic Descent on the Boolean Interval Partition Lattice (SDBIPL) algorithm, a novel contribution to the field of lattice-based learning. The SDBIPL algorithm extends the U-curve problem to the Boolean Interval Partition Lattice (BIPL), offering a more flexible and adaptive search strategy compared to the pioneering ISI algorithm. By conducting a stochastic search and dynamically adjusting the complexity of the learned function, SDBIPL overcomes the limitations of deterministic exploration and addresses the challenge of uncontrolled complexity inherent in ISI. We provide an efficient C++ implementation of the SDBIPL algorithm and demonstrate its effectiveness in learning W-operators for image noise removal. The promising results highlight the potential of the proposed approach. Future work will explore applications of the SDBIPL algorithm to more complex problems involving W-Operators and classification, such as digit recognition. Furthermore, we aim to optimize the algorithm through parallelization and refined error calculation techniques to enhance its performance and scalability.
publishDate 2024
dc.date.none.fl_str_mv 2024-11-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/45/45134/tde-11122024-212858/
url https://www.teses.usp.br/teses/disponiveis/45/45134/tde-11122024-212858/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1821884525892861952

Registros relacionados