




Dissertações de Mestrado
Documentos
Thiago de Paula Vasconcelos
Downloads: | 51 |
Título: Contributions on portfolio-based Bayesian optimization
Resumo:
A Otimização Bayesiana é um método para otimização de uma função caixa-preta, sendo especialmente adequada para funções de alto custo de avaliação. Uma das partes mais importantes do algoritmo de otimização Bayesiana, a função aquisição é de fundamental importância, uma vez que ela guia o algoritmo transformando a incerteza do modelo de regressão em uma medida de pontuação para cada ponto a ser avaliado. Considerando tal aspecto, a escolha e a definição de funções de aquisição são alguns dos tópicos de pesquisa mais populares da área. Como nenhuma função de aquisição foi provada ser melhor que todas as outras em todos os problemas, uma abordagem comum consiste em selecionar diferentes funções de aquisição ao longo das iterações da execução do método. Em tal abordagem o algoritmo GP-Hedge é uma opção amplamente usada dada sua simplicidade e desempenho. Apesar de seus bons resultados em diversas aplicações, o GP-Hedge apresenta propriedades indesejadas, como considerar o desempenho de todas as iterações passadas para cada função de aquisição ao selecionar a próxima função a ser usada. Nesse caso, valores muito bons ou muito ruins obtidos em uma iteração inicial pode impactar nas escolhas das funções de aquisição a serem usadas pelo resto do algoritmo. Isso pode fazer com que uma função de aquisição domine as outras, afetando o desempenho do método. Para superar tal limitação, este trabalho propõe uma variante do GP-Hedge, chamado de Normalized Portfolio Allocation Strategy BO (No-PASt-BO), que reduz a influência de avaliações passadas ao longo do tempo. Além disso, este método apresenta uma normalização que evita que as funções no portfólio tenham probabilidades iguais. Entretanto, tais melhorias foram alcançadas ao custo da adição de dois hiperparâmetros. Como evolução desse método, é proposto um segundo método que considera amostras da posteriori desses hyperparâmetros por meio de Thompson sampling. É possível atualizar as posteriores analiticamente a cada iteração desde que as pioris correspondentes sejam cuidadosamente escolhidas. Esta segunda abordagem, chamada de Selftunning Portfolio-based Bayesian Optimization (SeTuP-BO), mantém as vantagens do método No-Past-BO enquanto remove a necessidade de se ajustar manualmente os hyperparâmetros. Ambos os métodos e seus competidores foram avaliados em diferentes tarefas tendo ambos os métodos alcançado resultados promissores, indicando que os métodos propostos são competitivos com alternativas viáveis.
Banca Examinadora:
Prof. Dr. João Paulo Pordeus Gomes (UFC-Orientador)
Prof. Dr. César Lincoln Cavalcante Mattos (UFC-Coorientador)
Prof. Dr. Ricardo Bastos Cavalcante Prudêncio (UFPE)
Prof. Dr. Amauri Holanda de Souza Júnior (IFCE)
335. Tulio Vidal Rolim
Downloads: | 2313 |
Título: SISIFO: Uma Metodologia para Construção e Manutenção Semântica de Enterprise Knowledge Graphs
Banca Examinadora:
Prof.ª Dr.ª Vânia Maria Ponte Vidal (MDCC/UFC - Orientador)
Prof. Dr. José Maria da Silva Monteiro Filho (MDCC/UFC)
Prof. Dr. José Gilvan Rodrigues Maia (UFC)
10 de março de 2020
334. Rodolfo Felipe Sganzerla Sabino
Downloads: | 1559 |
Título: Explorando o hardware gráfico: Desenvolvimento de algoritmos paralelos de computação de OBBs, geração de hierarquia de volumes, modelagem de BVH de dois níveis e implementação de uma pipeline de renderização híbrida.
Banca Examinadora:
Prof. Dr. Creto Augusto Vidal (MDCC/UFC - Orientador)
Prof. Dr. Joaquim Bento Cavalcante Neto (MDCC/UFC - Coorientador)
Prof. Dr. José Gilvan Rodrigues Maia (UFC)
09 de março 2020
333. Francisco Lucas Falcão Pereira
Downloads: | 2341 |
Título: Usando modelos de detecção de anomalias para identificação de falhas em discos rígidos.
Banca Examinadora:
Prof. Dr. João Paulo Pordeus Gomes (MDCC/UFC - Orientador)
Prof. Dr. Javam de Castro Machado (MDCC/UFC - Coorientador)
Prof. Dr. César Lincoln Cavalcante Mattos (MDCC/UFC)
Prof. Dr. Ajalmar Rego Rocha Neto (IFCE)
09 de março de 2020
332. Efraim Naassom Helem Dantas Rodrigues
Downloads: | 1818 |
Título: Heurísticas para coloração k-imprópria.
Banca Examinadora:
Prof.ª Dr.ª Cláudia Linhares Sales (MDCC/UFC - Orientadora)
Prof.ª Dr.ª Ana Karolinna Maia de Oliveira (MDCC/UFC)
Prof. Dr. Tibérius de Oliveira e Bonates (UFC)
Prof. Dr. Vinicius Fernandes dos Santos (UFMG)
06 de março de 2020