« Calificaciones LITI 2… « || Inicio || » IAIC 19-20: Grupos de… »

Neural Encoders para Aprendizaje Relacional

Última modificación: 19 de Marzo de 2019, y ha tenido 69 vistas

Sesión del Seminario (I+A)A

Ponente: Pedro Almagro Blanco

Fecha: 26 Marzo 2019

Resumen: 

En los últimos años, los avances en aprendizaje automático han dado lugar a mejoras significativas en varios campos de aplicación. Específicamente, el desarrollo de modelos de aprendizaje de la representación ha permitido codificar las estructuras de las que aprender de una manera más óptima en función de diferentes propósitos. Sin embargo, la mayor parte de los esfuerzos se han centrado en el desarrollo de modelos de aprendizaje de la representación para textos, sonidos e imágenes, dejando de lado otras estructuras no menos importantes como los grafos. En esta charla presentaremos algunos modelos de aprendizaje de representación basados en codificadores neuronales que permiten codificar los elementos de un grafo como vectores, permitiendo a los métodos de aprendizaje automático tradicionales trabajar directamente sobre ellos. Además, presentaremos algunas aportaciones que hemos realizado en este campo y analizaremos diferentes líneas de trabajo futuras.

Referencias: En las transparencias.

« Calificaciones LITI 2… « || Inicio || » IAIC 19-20: Grupos de… »