ICC 25427
INSTITUTO DE INVESTIGACION EN CIENCIAS DE LA COMPUTACION
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Regularización a partir de grafos en modelospotenciados por el gradiente
Autor/es:
ESTEBAN FEUERSTEIN; FEDERICO ALBANESE
Lugar:
Salta
Reunión:
Simposio; AGRANDA - Simposio Argentino de Grandes Datos; 2019
Institución organizadora:
Sociedad Argentina de Informática e Investigación Operativa
Resumen:
En el paradigma clásico de aprendizaje supervisado, para realizar una ta-rea de clasificación (o regresión) tendremos acceso a un conjunto de instanciasXlabeletiquetadas previamente [1]. Sin embargo, debido al alto costo del etique-tamiento y la dificultad de obtener instancias etiquetadas, el aprendizaje semi-supervisado utiliza también instanciasXunlabelsin etiquetar [2]. El aprendizajesemi-supervisado (SSL) tiene como objetivo construir clasificadores/regresionesque utilizan tanto las instancias etiquetadas como las no etiquetadas, y por losmotivos anteriores, este paradigma emerge como una herramienta de vital im-portancia en la actualidad [3]. Una forma de encarar el problema consiste enarmar una red teniendo como nodos las instancias etiquetadas y no etiquetadasa partir de metadata o de la similitud que presenten [4].
