Autoencoders lineares e autoencoders não lineares (ReLU)

Detalhes bibliográficos
Autor(a) principal: Teixeira, Rui Pedro Silva
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/80565
Resumo: Dissertação de mestrado em Matemática e Computação
id RCAP_afb9d636b7c2a96ffc0448251a30580e
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/80565
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Autoencoders lineares e autoencoders não lineares (ReLU)Linear autoencoders and nonlinear autoencoders (ReLU)Machine learningPCAAutoencoder linearAutoencoder ReLULinear autoencoderCiências Naturais::MatemáticasDissertação de mestrado em Matemática e ComputaçãoEste trabalho é dedicado ao estudo de autoencoders lineares, onde se destacam as suas ligações com a técnica PCA e com autoencoders não lineares, nomeadamente, usando a função de ativação ReLU. Ao longo desta dissertação, são demonstrados diversos resultados sobre esta temática, através de diversas simplificações e hipóteses adicionais. É ainda elaborada uma análise numérica que visa corroborar os resultados abordados ao longo do documento. Como principais destaques deste trabalho, pode-se enunciar o facto de que, para diversas bases de dados, é possível calcular uma solução ótima, ou seja, uma solução que atinge o valor mínimo que a loss function associada ao autoencoder consegue apresentar. Em particular, consideramos cenários com bases de dados de atributos não negativos, bem como a situação em que se assume que a base de dados é regular. E ainda de salientar a criação de novas propostas de algoritmos, em particular no contexto de autoencoders ReLU, que proporcionam muito boas aproximações das soluções ótimas com um baixo custo computacional em comparação aos tradicionais métodos de treino dos autoencoders com recurso as principais bibliotecas de Python.This work is dedicated to the study of linear autoencoders, standing out its connections both with the PCA technique and the nonlinear autoenconders, namely, using the ReLU function. Throughout this dissertation, various results on this topic are demonstrated through various simpli cations and additional hypotheses. A numerical analysis is also elaborated to support the results stated throughout the document. As main highlights of this work, it can be stated that, for several databases, we manage to calculate an optimal solution that reaches the minimum value which can be presented by the loss function associated with the autoenconder. In particular, we considered scenarios based on nonnegative data, or situations in which it is assumed that the database is regular. We also stress that the study proposes new algorithms, in particular in the context of autoencoders ReLU, that provide very good approximations of the optimal solution with a low computational cost regarded to the traditional autoencoder training method proposed in the standard Python libraries.Clain, StéphanePinto, Luís F.Universidade do MinhoTeixeira, Rui Pedro Silva20202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/80565por202690997info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:54:02Zoai:repositorium.sdum.uminho.pt:1822/80565Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:53:32.971966Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Autoencoders lineares e autoencoders não lineares (ReLU)
Linear autoencoders and nonlinear autoencoders (ReLU)
title Autoencoders lineares e autoencoders não lineares (ReLU)
spellingShingle Autoencoders lineares e autoencoders não lineares (ReLU)
Teixeira, Rui Pedro Silva
Machine learning
PCA
Autoencoder linear
Autoencoder ReLU
Linear autoencoder
Ciências Naturais::Matemáticas
title_short Autoencoders lineares e autoencoders não lineares (ReLU)
title_full Autoencoders lineares e autoencoders não lineares (ReLU)
title_fullStr Autoencoders lineares e autoencoders não lineares (ReLU)
title_full_unstemmed Autoencoders lineares e autoencoders não lineares (ReLU)
title_sort Autoencoders lineares e autoencoders não lineares (ReLU)
author Teixeira, Rui Pedro Silva
author_facet Teixeira, Rui Pedro Silva
author_role author
dc.contributor.none.fl_str_mv Clain, Stéphane
Pinto, Luís F.
Universidade do Minho
dc.contributor.author.fl_str_mv Teixeira, Rui Pedro Silva
dc.subject.por.fl_str_mv Machine learning
PCA
Autoencoder linear
Autoencoder ReLU
Linear autoencoder
Ciências Naturais::Matemáticas
topic Machine learning
PCA
Autoencoder linear
Autoencoder ReLU
Linear autoencoder
Ciências Naturais::Matemáticas
description Dissertação de mestrado em Matemática e Computação
publishDate 2020
dc.date.none.fl_str_mv 2020
2020-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/80565
url https://hdl.handle.net/1822/80565
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 202690997
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133131736875008

Registros relacionados