Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135 |
Resumo: | Devido ao recente desenvolvimento da área do aprendizado profundo no campo da inteligência artificial, muitos conceitos teóricos e práticos ainda se encontram obscuros e com pouca documentação para pesquisadores iniciantes na área. Nesse contexto, esse trabalho de conclusão de curso visa explanar alguns conceitos básicos e suas influências na performance e resultados de sistemas de aprendizado profundo e redes neurais. Além da teoria, implementaram-se experimentos didáticos para exemplificar construções práticas de sistemas com diferentes arquiteturas, para diferentes problemas, comparando-se funções de ativação, algoritmos de otimização e regularização, valores iniciais de parâmetros, entre outros, otimizando-se as redes com escolhas de projeto melhores para os problemas específicos. |
id |
UFCG_41f6d95b82b4d7b20c459cb0ca6c41ca |
---|---|
oai_identifier_str |
oai:localhost:riufcg/19135 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo.Study on architectures, regularization and optimization of deep learning systems.Sistemas de aprendizado profundoOtimização de sistemas de aprendizado profundoRegularização de sistemas de aprendizado profundoArquitetura de sistemas de aprendizado profundoRedes neuraisAprendizado profundoInteligência artificialDeep learning systemsOptimizing deep learning systemsRegularization of deep learning systemsDeep Learning Systems ArchitectureNeural networksDeep learningArtificial intelligenceEngenharia Elétrica.Devido ao recente desenvolvimento da área do aprendizado profundo no campo da inteligência artificial, muitos conceitos teóricos e práticos ainda se encontram obscuros e com pouca documentação para pesquisadores iniciantes na área. Nesse contexto, esse trabalho de conclusão de curso visa explanar alguns conceitos básicos e suas influências na performance e resultados de sistemas de aprendizado profundo e redes neurais. Além da teoria, implementaram-se experimentos didáticos para exemplificar construções práticas de sistemas com diferentes arquiteturas, para diferentes problemas, comparando-se funções de ativação, algoritmos de otimização e regularização, valores iniciais de parâmetros, entre outros, otimizando-se as redes com escolhas de projeto melhores para os problemas específicos.Due to the recent development of the area of deep learning in the field of artificial intelligence, many theoretical and practical concepts are still obscure and with little documentation for beginning researchers in the area. In this context, this undergraduate thesis aims to explain some basic concepts and their influences on the performance and results of deep learning systems and neural networks. In addition to the theory, didactic experiments were implemented to exemplify practical constructions of systems with different architectures, for different problems, comparing the activation functions, optimization and regularization algorithms, initial parameter values, among others, optimizing the networks with better design choices for the specific problems.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIUFCGACIOLI JUNIOR, George.ACIOLI JUNIOR, G.http://lattes.cnpq.br/1596840676645407SANTOS, Danilo Freire de Souza.CAMINHA, Vítor Leão.2020-032021-05-28T21:53:23Z2021-05-282021-05-28T21:53:23Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135CAMINHA, Vítor Leão. Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. 2020. 75f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2020. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2021-05-28T21:53:53Zoai:localhost:riufcg/19135Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512021-05-28T21:53:53Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. Study on architectures, regularization and optimization of deep learning systems. |
title |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. |
spellingShingle |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. CAMINHA, Vítor Leão. Sistemas de aprendizado profundo Otimização de sistemas de aprendizado profundo Regularização de sistemas de aprendizado profundo Arquitetura de sistemas de aprendizado profundo Redes neurais Aprendizado profundo Inteligência artificial Deep learning systems Optimizing deep learning systems Regularization of deep learning systems Deep Learning Systems Architecture Neural networks Deep learning Artificial intelligence Engenharia Elétrica. |
title_short |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. |
title_full |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. |
title_fullStr |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. |
title_full_unstemmed |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. |
title_sort |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. |
author |
CAMINHA, Vítor Leão. |
author_facet |
CAMINHA, Vítor Leão. |
author_role |
author |
dc.contributor.none.fl_str_mv |
ACIOLI JUNIOR, George. ACIOLI JUNIOR, G. http://lattes.cnpq.br/1596840676645407 SANTOS, Danilo Freire de Souza. |
dc.contributor.author.fl_str_mv |
CAMINHA, Vítor Leão. |
dc.subject.por.fl_str_mv |
Sistemas de aprendizado profundo Otimização de sistemas de aprendizado profundo Regularização de sistemas de aprendizado profundo Arquitetura de sistemas de aprendizado profundo Redes neurais Aprendizado profundo Inteligência artificial Deep learning systems Optimizing deep learning systems Regularization of deep learning systems Deep Learning Systems Architecture Neural networks Deep learning Artificial intelligence Engenharia Elétrica. |
topic |
Sistemas de aprendizado profundo Otimização de sistemas de aprendizado profundo Regularização de sistemas de aprendizado profundo Arquitetura de sistemas de aprendizado profundo Redes neurais Aprendizado profundo Inteligência artificial Deep learning systems Optimizing deep learning systems Regularization of deep learning systems Deep Learning Systems Architecture Neural networks Deep learning Artificial intelligence Engenharia Elétrica. |
description |
Devido ao recente desenvolvimento da área do aprendizado profundo no campo da inteligência artificial, muitos conceitos teóricos e práticos ainda se encontram obscuros e com pouca documentação para pesquisadores iniciantes na área. Nesse contexto, esse trabalho de conclusão de curso visa explanar alguns conceitos básicos e suas influências na performance e resultados de sistemas de aprendizado profundo e redes neurais. Além da teoria, implementaram-se experimentos didáticos para exemplificar construções práticas de sistemas com diferentes arquiteturas, para diferentes problemas, comparando-se funções de ativação, algoritmos de otimização e regularização, valores iniciais de parâmetros, entre outros, otimizando-se as redes com escolhas de projeto melhores para os problemas específicos. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-03 2021-05-28T21:53:23Z 2021-05-28 2021-05-28T21:53:23Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135 CAMINHA, Vítor Leão. Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. 2020. 75f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2020. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135 |
identifier_str_mv |
CAMINHA, Vítor Leão. Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. 2020. 75f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2020. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809744493405011968 |