Comparação de redes neurais aplicadas a previsão com o Google Colab

• Autor(a) principal: Cavalcanti, André Gomes Prado
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/24540
• topic: Redes Neurais; Machine Learning; Previsão; Google Colab; Rede neural; Aprendizado de máquina; Previsão; Neural Networks; Machine Learning; Forecasting; Google Colab

Esse estudo tem como objetivo comparar o uso de diferentes processadores e arquiteturas em redes neurais aplicadas a um mesmo problema de previsão. São apresentados fundamentos da técnica de redes neurais e das bibliotecas TensorFlow e Keras utilizadas na implementação em Python. É proposta uma metodologia para se treinar 12 redes neurais utilizando-se quatro arquiteturas (direta simples, direta com camadas, LSTM e convolucional) e três processadores (CPU, GPU e TPU) no ambiente Google Colab. As redes neurais são aplicadas à mesma base de dados. Os resultados de performance e tempo de processamento são comparados estatisticamente. Concluiu-se que utilizar diferentes processadores numa mesma arquitetura não afetou o desempenho da rede e, ao contrário do esperado, não se reduziu o tempo de processamento. Por sua vez ao se usar diferentes arquiteturas com o mesmo processador, concluiu-se que com redes mais complexas a performance melhora e o tempo de processamento aumenta.