XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: LIMITED TIME MACHINE TEACHING FOR REGRESSION PROBLEMS Autor: PEDRO LAZERA CARDOSO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
EDUARDO SANY LABER - ADVISOR
Nº do Conteudo: 56352
Catalogação: 02/12/2021 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56352@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56352@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.56352
Resumo:
Título: LIMITED TIME MACHINE TEACHING FOR REGRESSION PROBLEMS Autor: PEDRO LAZERA CARDOSO
Nº do Conteudo: 56352
Catalogação: 02/12/2021 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56352@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56352@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.56352
Resumo:
This work considers the Time-Limited Regression problem. Given a dataset,
a learning algorithm (Learner) to be trained and a limited time, we do not
know if it s going to be possible to train the model with the entire dataset
within this time constraint. We then want to elaborate the strategy that
extracts the best possible model from this learning algorithm respecting the
time limit. A strategy consists of a series of interactions with the Learner,
in two possible ways: sending labeled examples for the Learner to train
and sending unlabeled examples for the Learner to classify. We define what
the Time-Limited Regression problem is, we decompose the problem of
elaborating a strategy into simpler and more well-defined sub-problems, we
elaborate a natural strategy based on random choice of examples and finally
we present a strategy, TW+BH, that performs better than the natural strategy
in experiments we have done with several real datasets.
Descrição | Arquivo |
COMPLETE |