Processamento de sinal em grafos: Teoria de amostragem e sua aplicação no aprendizado semi-supervisionado

Autores

  • Evaristo Calisto Nhassengo
  • Jose Alberto Cuminato
  • Luis Gustavo Nonato

Resumo

A teoria de amostragem de sinais em grafos estuda o problema da escolha do melhor subconjunto de vértices para a reconstrução perfeita do sinal através de sua amostra. Será generalizado o problema clássico da amostragem de sinas, considera-se o problema da amostragem de sinais definidos em grafos. No estudo de sinais em grafos a representação do domínio de frequência é dada através dos autovalores e autovetores do Laplaciano. Visto que a amostragem de sinais definidos num grafo G, pode ser visto como um aprendizado ativo em G. Este trabalho propõe estudar o efeito que a amostragem de sinais em grafos tem nos algoritmos de aprendizado semi-supervisionado. Estuda-se a performance dos algoritmos semi-supervisionados, usando como dados iniciais a amostra obtida pelo algoritmo proposto em [1] e compara-se a performance deste algoritmo com outros algoritmos ativos do estado da arte (Locally Linear Reconstruction, error bound minimization approach of LLGC ). Estabelece-se a relação entre a teoria de processamento de sinais em grafos [2] e o aprendizado semi-supervisionado. [...]

Downloads

Não há dados estatísticos.

Downloads

Publicado

2020-02-20

Edição

Seção

Resumos