Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Bergamim, Emílio | - |
Autor(es): dc.creator | Breve, Fabricio | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:48:10Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:48:10Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-05-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1088/1742-5468/ac6f02 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240222 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240222 | - |
Descrição: dc.description | Semi-supervised learning (SSL) has become an interesting research area due to its capacity for learning in scenarios where both labeled and unlabeled data are available. In this work, we focus on the task of transduction-when the objective is to label all data presented to the learner-with a mean-field approximation to the Potts model. Aiming at this particular task we study how classification results depend on β and find that the optimal phase depends highly on the amount of labeled data available. In the same study, we also observe that more stable classifications regarding small fluctuations in β are related to configurations of high probability and propose a tuning approach based on such observation. This method relies on a novel parameter γ and we then evaluate two different values of the said quantity in comparison with classical methods in the field. This evaluation is conducted by changing the amount of labeled data available and the number of nearest neighbors in the similarity graph. Empirical results show that the tuning method is effective and allows NMF to outperform other approaches in datasets with fewer classes. In addition, one of the chosen values for γ also leads to results that are more resilient to changes in the number of neighbors, which might be of interest to practitioners in the field of SSL. | - |
Descrição: dc.description | Instituto De Geociências E Ciências Exatas/UNESP, Avenida 24A, State of São Paulo | - |
Descrição: dc.description | Instituto De Geociências E Ciências Exatas/UNESP, Avenida 24A, State of São Paulo | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Journal of Statistical Mechanics: Theory and Experiment | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | inference of graphical models | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | message-passing algorithms | - |
Título: dc.title | On tuning a mean-field model for semi-supervised classification | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: