Download como arquivo ICAL
"Desenvolvimento de um arcabouço probabilístico para implementação de Campos Aleatórios Condicionais"
Segunda-feira 06 Agosto 2018, 09:00
Contato: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

Candidato: Igor Bonadio

 

Orientador: Prof. Dr. Alan Mitchell Durham

 

Resumo: pesquisa. O uso de modelos geradores como Modelo Oculto de Markov (HMM, do inglês Hidden
Markov Model) e Modelo Oculto de Markov Generalizado (GHMM, do inglês Generalized Hidden
Markov Model) é uma das abordagens mais comuns, entretanto recentemente pesquisas apontam
um novo modelo discriminativo promissor chamado Campo Aleatório Condicional. Nesse trabalho
desenvolvemos um arcabouço probabilístico orientado a objetos para a implementação de Campos
Aleatórios Condicionais de Cadeias Lineares, uma variante que é bastante utilizada na segmentação
de sequências. Esse objetivo foi alcançado a partir da extensão do arcabouço probabilístico ToPS,
originalmente projetado para HMMs, GHMMs e outros modelos geradores. Nossa implementação
conta com algoritmos de inferência eficientes que paralelizam a computação e alcançam tempos
de execução competitivos. Focando na facilidade de utilização, nosso arcabouço conta com um interpretador
de modelos que permite a definição e treinamento de Campos Aleatórios Condicionais
agilizando a prototipagem e investigação de problemas. Comparamos nossa abordagem com programas
já existentes e observamos que nosso arcabouço permite ao usuário maior liberdade na definição
de modelos além de obter melhor desempenho com relação ao tempo de execução.
Palavras-chave: campos aleatórios condicionais, segmentação de sequências, modelos probabilísticos.

Local Sala 144 - Bloco B - IME-USP