Resiliência do classificador de n-upla WiSARD

• Autor(a) principal: Souza, Bernardo Cid Killer Soares de
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFRJ
• Texto Completo: http://hdl.handle.net/11422/14066
• topic: CNPQ::ENGENHARIAS; WiSARD; Error tolerance; Fault injection; Software resilience; Machine learning

Conforme as tecnologias de aprendizado vão avançando e ganhando mais espaço na sociedade moderna, se torna mais importante garantir que estas não falhem de forma invisível. Considerando que os hardwares atuais são propícios a falhas em determinadas situações, tanto de execução quanto devido a condições ambientais, é importante analisar o impacto que estas falhas podem provocar em um modelo já implementado. Considerando isso, buscamos analisar neste trabalho o efeito de diversos tipos de erro sobre o desempenho do modelo de rede sem pesos WiSARD. O foco do trabalho está na avaliação impacto de erros do tipo bit-flip em diversas partes da WiSARD, principalmente nos parâmetros treinados do modelo e como este erros se comparam ao de outros tipos de erro. Considerando hiperparâmetros de rede e préprocessamento fixos, são medidas as quedas de acurácia do modelo para sete conjuntos de dados, usando diferentes taxas de injeção de erro e padrões de erro.