Banca de DEFESA: JÔNATAS OLIVEIRA LIMA DA SILVA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JÔNATAS OLIVEIRA LIMA DA SILVA
DATA: 23/08/2024
HORA: 15:00
LOCAL: Sala Virtual do Google Meet
TÍTULO: Um novo framework para treinamento de Support Vector Machines (SVM) e suas aplicações
PALAVRAS-CHAVES: Support Vector Machine (SVM), Aproximação quadrática separável, Problema da mochila quadrática separável, Métodos de busca pela raiz, Redes Neurais Convolucionais.
PÁGINAS: 86
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: Apresentamos um framework unificado para resolver problemas de treinamento não lineares de Support Vector Machines (SVM). O framework é baseado em uma aproximação da função objetivo, tornando o problema separável, e utiliza métodos de busca por um zero de uma função de baixo custo computacional para resolver os subproblemas resultantes. Devido à diagonalização da função objetivo no primeiro estágio do framework, nomeamos o novo solucionador de DiagSVM. Para testar o desempenho do DiagSVM, realizamos experimentos numéricos preliminares com conjuntos de dados de benchmark. A partir dos resultados, escolhemos a melhor combinação utilizada no framework para resolver o problema de Classificação de Lesões Cutâneas (CLC). Dado que o melanoma (câncer de pele) é a doença mais perigosa e mortal que afeta a pele, a aplicação do DiagSVM pode ser integrada em vários sistemas de diagnóstico assistido por computador (CAD) para ajudar na detecção do câncer de pele e reduzir significativamente a morbidade e mortalidade associadas a essa doença. Abordagens baseadas em aprendizado de máquina (ML) e aprendizado profundo (DL) têm sido amplamente utilizadas para desenvolver sistemas robustos de classificação de lesões cutâneas. Para o problema CLC, três redes neurais convolucionais (CNN) pré-treinadas – Xception, InceptionResNetV2 e DenseNet201 – foram empregadas como extratores de características, e suas dimensões foram reduzidas usando Análise de Componentes Principais (PCA), Análise de Componentes Principais de Kernel (KPCA) e Análise de Componentes Independentes (ICA). Para validar a proposta, comparamos o DiagSVM com o solucionador popular na literatura, o Libsvm.
MEMBROS DA BANCA:
Interno - 1632667 - ANDRE MACEDO SANTANA
Interno - 2801433 - JOAO CARLOS DE OLIVEIRA SOUZA
Externo à Instituição - LUIZ CARLOS MATIOLI - UFPR
Presidente - 1296926 - PAULO SERGIO MARQUES DOS SANTOS
Interno - 2061294 - RICARDO DE ANDRADE LIRA RABELO
Externo à Instituição - ROBERTO CRISTÓVÃO MESQUITA SILVA - UFAM