MACapre Aprendizagem Computacional: modelos, algoritmos e aplicações
OBJETIVOS: Introdução à Técnica de Aprendizagem Computacional conhecida como PAC Learning (de Probably Approximately Correct Learning) aplicada a problemas de Processamento de Imagens. Serão apresentados modelos matemáticos de aprendizagem, decomposição de operadores por técnicas de Morfologia Matemática, estimação de parâmetros das decomposições de operadores por técnicas de aprendizado, e aplicações.
RESPONSÁVEIS: Junior Barrera, Routo Terada e Flávio Soares Correa da Silva.
PROGRAMA: Conceitos, hipóteses e algoritmos de aprendizagem. Representações e fórmulas booleanas. Decomposições por Morfologia Matemática. Decomposições por Redes Neurais. Aprendizagem probabilística. Aprendizagem eficiente. Dimensão VC. Aplicações.
PRÉ-REQUISITO: MAC0329.
CARGA HORÁRIA SEMANAL E NÚMERO DE CRÉDITOS: 4 horas, 4 créditos-aula.
CRITÉRIO DE AVALIAÇÃO DA APRENDIZAGEM: Provas e trabalhos.
BIBLIOGRAFIA BÁSICA:
- M. Anthony and N. Biggs, Computational Learning Theory -- An Introduction, Cambridge University Press, 1992.
- G.J.F. Banon and J. Barrera, Minimal representation for translation invariant set mappings by mathematical morphology, SIAM Journal of Applied Mathematics 51 (1991), 1782-1798.
- J. Barrera, E.R. Dougherty, and N.S. Tomita, Automatic programming of binary morphological machines by design of statistically optimal operators in the context of computational learning theory, manuscrito.
- M.H. Hassoun, Fundamental of neural networks, MIT Press, 1995.
OBSERVAÇÃO: Disciplina optativa eletiva no currículo do BCC.
[Veja dados da disciplina no JúpiterWeb]