• Portal do Governo Brasileiro
  • Atualize sua Barra de Governo
  • Ir para o conteúdo 1
  • Ir para o menu 2
  • Ir para a busca 3
  • Ir para o rodapé 4
  • Acessibilidade
  • Alto Contraste
  • Mapa do Site
Topo
Laboratório Nacional de Computação Científica

LNCC

Ministério da Ciência, Tecnologia e Inovações
Instagram Linkedin Facebook YouTube
  • SDumont
  • Imprensa
  • SEI-MCTI
  • Webmail
  • Intranet
  • Fale Conosco
Destaques Result. Programas PCI-LNCC Resultado Final do 1º Processo Seletivo de 2021 Guia de Conduta
logo

O LNCC

  • Histórico
  • Missão
  • Estrutura Organizacional
  • Corpo Técnico Científico
  • Documentos Institucionais
  • Localização

Coordenações

  • Coordenação de Métodos Matemáticos e Computacionais - COMAC
  • Coordenação de Modelagem Computacional - COMOD
  • Coordenação de Pós-graduação e Aperfeiçoamento - COPGA
  • Coordenação de Tecnologia da Informação e Comunicação - COTIC
  • Coordenação de Gestão e Administração - COGEA

Pesquisa e Desenvolvimento

  • Linhas de Pesquisa
  • Produção Técnico-Científica
  • Projetos de P & D
  • Grupos de Pesquisa

Supercomputador SDUMONT - Computação de Alto Desempenho

  • Supercomputador Santos Dumont
  • CENAPAD
  • SINAPAD

Programas Nacionais

  • INCT-MACC
  • LABINFO
  • SINAPAD

Inovação

  • Incubadora
  • NitRio
  • Soluções para Empresas

Programas  Acadêmicos

  • Mestrado e Doutorado
  • Programa de Verão
  • Bolsas de Estudos

Eventos

Biblioteca

  • Biblioteca

Acesso à Informação

  • Institucional
  • Ações e Programas
  • Participação Social
  • Auditorias
  • Receitas e Despesas
  • Licitações, Contratos e Convênios
  • Servidores
  • Informações Classificadas
  • Serviço de Informação ao Cidadão - SIC
  • Perguntas Frequentes
  • Dados Abertos
  • Gestão Documental
  • Agenda do Diretor
  • Carta de serviço ao Cidadão
  • Sobre a Lei de Acesso à Informação
  • Assessoria de Comunicação
  • Ouvidoria
  • Comissão de Ética
  • Gestão de Riscos
  • Guia de Conduta
  • LGPD
 

EVENTO



Completação fora de amostra em Grafos de Conhecimento

Tipo de evento:
Seminário de Avaliação - Série A


Grafos de conhecimento (GCs) representam fatos por meio de uma rede de relacionamentos entre entidades, a qual fornece uma camada semântica informacional útil a diversas aplicações, desde motores de busca à descoberta de fármacos. Apesar de sua aplicabilidade, GCs não contemplam todos os fatos de interesse, o que tem motivado a pesquisa e proposta recente de diversas estratégias para sua completação, isto é, para a inferência do valor verdade de relacionamentos não observados. Em particular, modelos de Aprendizado de Máquina que embutem elementos do grafo (p.ex., nós e arestas) em espaços vetoriais de baixa dimensionalidade tornaram-se a principal linha de pesquisa e desenvolvimento. Contudo, em sua vasta maioria, esses modelos assumem implicitamente que GCs são estáticos. Consequentemente, ao passo que o grafo evolui, é necessário obter-se representações vetoriais atualizadas para seus elementos, em especial, para suas entidades. Nesse cenário, nesta tese é investigado o problema de completação fora de amostra em Grafos de Conhecimento, o qual remove a suposição que o conjunto de entidades no momento de inferência é o mesmo observado durante o ajuste do modelo. Em maiores detalhes, é
desenvolvida, e empiricamente avaliada, uma metodologia baseada em Aprendizado de Representações e redes neurais artificiais para esse problema. Nela, o processo de inferência é realizado com base em representações vetoriais obtidas por uma rede codificadora a partir de uma vizinhança corrente do fato a ser inferido. A definição dessa vizinhança, chamada de contexto de consulta, é estudada, assim como, estratégias que permitam escalar computacionalmente a metodologia proposta. Resultados preliminares indicam que a metodologia proposta é competitiva como estado da arte.

Para assistir acesse: meet.google.com/npv-huof-uzx

Data Início: 26/05/2022
Hora: 09:00
Data Fim: 26/05/2022
Hora: 13:00

Local:  LNCC - Laboratório Nacional de Computação Ciêntifica - Webinar

Aluno:
Daniel Nascimento Ramos da Silva - -

Orientador:
Fabio André Machado Porto - Laboratório Nacional de Computação Científica - LNCC

Participante Banca Examinadora:
Alex Borges Vieira - Universidade Federal de Juiz de Fora - UFJF
Fabio André Machado Porto - Laboratório Nacional de Computação Científica - LNCC
Gilson Antônio Giraldi - Laboratório Nacional de Computação Científica - LNCC
Luiz Manoel Rocha Gadelha Júnior - German Cancer Research Center - DKFZ


Últimas eventos

  •   Principal
  •   Hotéis/Pousadas
  •   Área do Inscrito
 
 Voltar para o topo
Rodapé

Principal

  • Estrutura Organizacional
  • Corpo Técnico Científico
  • Produção Técnico-Científica
  • Projetos de P & D
  • Mestrado e Doutorado
  • Bolsas de Estudos
  • Seminários
  • Congressos / Escolas / Cursos
  • Biblioteca

Acesso à Informação

  • Institucional
  • Ações e Programas
  • Participação Social
  • Auditorias
  • Receitas e Despesas
  • Licitações, Contratos e Convênios
  • Servidores
  • Informações Classificadas
  • Serviço de Informação ao Cidadão - SIC
  • Perguntas Frequentes
  • Dados Abertos
  • Gestão Documental
  • Agenda do Diretor
  • Carta de serviço ao Cidadão
  • Sobre a Lei de Acesso à Informação
  • Ouvidoria
  • Comissão de Ética
  • Gestão de Riscos
  • Guia de Conduta

Serviços

  • Fale Conosco
  • Assessoria de Comunicação

Redes Sociais

  • Instagram
  • Linkedin
  • Facebook
  • YouTube

Navegação

  • Acessibilidade
  • Mapa do Site

Brasil - Governo Federal   Brasil - Governo Federal