Caracterização e delimitação do aprendizado retrospectivo

• Ano de defesa: 2024
• Autor(a) principal: Nardi, Ednilza Evangelista da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina; Aprendizado retrospectivo; Limites do aprendizado de máquina; Machine learning; Machine learning limits; Retrospective learning
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-12112024-135516/

O aprendizado de máquina é fundamentado em uma aproximação de função para uma amostra. É retrospectivo na medida em que os dados da amostra são históricos e fixos. A caracterização e delimitação do aprendizado retrospectivo é alcançada por meio da síntese de seus principais conceitos, que contextualiza a identificação de seus limites pela discussão de fatores fundamentais que afetam sua capacidade de generalização para dados novos e a apresentação de alternativas disponíveis na literatura. Esses fatores podem estar relacionados, principalmente, a dados da amostra ou processos de aprendizagem inadequados ou ainda aplicação do aprendizado retrospectivo isoladamente, sem considerar a participação efetiva do conhecimento humano ao vivo. A apresentação de um caso concreto para expandir a capacidade de generalização de um modelo para detecção de ciclistas, aplicado em imagens de câmeras de segurança das vias da Cidade Universitária da USP, ilustra a combinação de aprendizado retrospectivo e conhecimento ao vivo, obtendo, como resultado, taxas de identificação de ciclistas da ordem de 77% e 89% em dois conjuntos diferentes de imagens, maior do que as taxas de 52% e 80% conseguidas por outros modelos nos mesmos conjuntos.