FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
Texto Completo: | https://repository.ufrpe.br/handle/123456789/5243 |
Resumo: | As redes convolucionais baseadas em grafos (Graph Convolutional Networks, GCN) permitem que modelos de redes neurais profundas aprendam a partir de dados definidos em estruturas irregulares representados por meio de um grafo. Essa abordagem tem atraído cada vez mais atenção nos últimos anos. Tais algoritmos geralmente aprendem com base na informação associada aos vértices e arestas do grafo, sendo possível utilizá-las para melhorar o desempenho de diversas tarefas como classificação de vértices, de um sinal definido sobre o grafo ou do próprio grafo. O objetivo deste trabalho é avaliar a classificação de dados ruidosos dispostos em uma estrutura irregular a partir do treinamento de filtros passa-baixas realizado pelas camadas convolucionais de uma GCN. Os filtros são projetados e aplicados baseando-se em ferramentas de processamento de sinais sobre grafos como a transformada de Fourier sobre grafos. A rede neural convolucional baseada em grafos realizará o aprendizado de parâmetros para diferentes escalas de ruídos no domínio da transformada de Fourier sobre grafos que sejam capazes de extrair informação relevante para classificação do conjunto de dados ruidosos. |
id |
UFRPE_d917ba7a6739f92762c9288eb4ef8c27 |
---|---|
oai_identifier_str |
oai:dspace:123456789/5243 |
network_acronym_str |
UFRPE |
network_name_str |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
repository_id_str |
https://v2.sherpa.ac.uk/id/repository/10612 |
spelling |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARESprocessamento digital de sinaisaprendizado de máquinasaprendizagem profundaredes neurais baseadas em grafosAs redes convolucionais baseadas em grafos (Graph Convolutional Networks, GCN) permitem que modelos de redes neurais profundas aprendam a partir de dados definidos em estruturas irregulares representados por meio de um grafo. Essa abordagem tem atraído cada vez mais atenção nos últimos anos. Tais algoritmos geralmente aprendem com base na informação associada aos vértices e arestas do grafo, sendo possível utilizá-las para melhorar o desempenho de diversas tarefas como classificação de vértices, de um sinal definido sobre o grafo ou do próprio grafo. O objetivo deste trabalho é avaliar a classificação de dados ruidosos dispostos em uma estrutura irregular a partir do treinamento de filtros passa-baixas realizado pelas camadas convolucionais de uma GCN. Os filtros são projetados e aplicados baseando-se em ferramentas de processamento de sinais sobre grafos como a transformada de Fourier sobre grafos. A rede neural convolucional baseada em grafos realizará o aprendizado de parâmetros para diferentes escalas de ruídos no domínio da transformada de Fourier sobre grafos que sejam capazes de extrair informação relevante para classificação do conjunto de dados ruidosos.Graph convolutional networks (GCN) allow deep neural networks to learn from data defined in irregular structures represented by a graph. This approach has attracted more and more attention in recent years. Such algorithms generally learn based on the information associated with the vertices and edges present in the graph, being possible to use them to improve the performance of several tasks such as classification of vertices, a signal defined on the graph or the graph itself. The objective of this work is to evaluate the classification of noisy data arranged in an irregular structure from the training of low-pass filters performed by the convolutional layers of a GNN. Filters are designed and applied based on signal processing tools on graphs such as the graph Fourier transform. The graph-based convolutional neural network will perform the learning of parameters for different noise scales in the graph Fourier transform domain that are able to extract relevant information for classification of the noisy dataset.BrasilFerreira, Felipe Alberto Barbosa Simãohttp://lattes.cnpq.br/9517722947492097http://lattes.cnpq.br/9939255113143786Medeiros, Jorge Barros2023-12-21T12:36:43Z2023-12-21T12:36:43Z2023-10-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis11p.application/pdfMEDEIROS, Jorge Barros. FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES. 2023. 11f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica) - Unidade Acadêmica do Cabo de Santo Agostinho, Universidade Federal Rural de Pernambuco, 2023.https://repository.ufrpe.br/handle/123456789/5243porcreativecommons.org/licenses/by-nc-sa/4.0/deed.pt_BRatribuition - non commercial - no derivs 4.0 Brazilinfo:eu-repo/semantics/openAccessreponame:Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE)instname:Universidade Federal Rural de Pernambuco (UFRPE)instacron:UFRPE2023-12-21T12:36:45Zoai:dspace:123456789/5243Repositório InstitucionalPUBhttps://repository.ufrpe.br/oai/requestrepositorio.sib@ufrpe.bropendoar:https://v2.sherpa.ac.uk/id/repository/106122023-12-21T12:36:45Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) - Universidade Federal Rural de Pernambuco (UFRPE)false |
dc.title.none.fl_str_mv |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES |
title |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES |
spellingShingle |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES Medeiros, Jorge Barros processamento digital de sinais aprendizado de máquinas aprendizagem profunda redes neurais baseadas em grafos |
title_short |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES |
title_full |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES |
title_fullStr |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES |
title_full_unstemmed |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES |
title_sort |
FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES |
author |
Medeiros, Jorge Barros |
author_facet |
Medeiros, Jorge Barros |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ferreira, Felipe Alberto Barbosa Simão http://lattes.cnpq.br/9517722947492097 http://lattes.cnpq.br/9939255113143786 |
dc.contributor.author.fl_str_mv |
Medeiros, Jorge Barros |
dc.subject.por.fl_str_mv |
processamento digital de sinais aprendizado de máquinas aprendizagem profunda redes neurais baseadas em grafos |
topic |
processamento digital de sinais aprendizado de máquinas aprendizagem profunda redes neurais baseadas em grafos |
description |
As redes convolucionais baseadas em grafos (Graph Convolutional Networks, GCN) permitem que modelos de redes neurais profundas aprendam a partir de dados definidos em estruturas irregulares representados por meio de um grafo. Essa abordagem tem atraído cada vez mais atenção nos últimos anos. Tais algoritmos geralmente aprendem com base na informação associada aos vértices e arestas do grafo, sendo possível utilizá-las para melhorar o desempenho de diversas tarefas como classificação de vértices, de um sinal definido sobre o grafo ou do próprio grafo. O objetivo deste trabalho é avaliar a classificação de dados ruidosos dispostos em uma estrutura irregular a partir do treinamento de filtros passa-baixas realizado pelas camadas convolucionais de uma GCN. Os filtros são projetados e aplicados baseando-se em ferramentas de processamento de sinais sobre grafos como a transformada de Fourier sobre grafos. A rede neural convolucional baseada em grafos realizará o aprendizado de parâmetros para diferentes escalas de ruídos no domínio da transformada de Fourier sobre grafos que sejam capazes de extrair informação relevante para classificação do conjunto de dados ruidosos. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-21T12:36:43Z 2023-12-21T12:36:43Z 2023-10-03 |
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 |
MEDEIROS, Jorge Barros. FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES. 2023. 11f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica) - Unidade Acadêmica do Cabo de Santo Agostinho, Universidade Federal Rural de Pernambuco, 2023. https://repository.ufrpe.br/handle/123456789/5243 |
identifier_str_mv |
MEDEIROS, Jorge Barros. FILTRAGEM DE SINAIS SOBRE GRAFOS APLICADA À CLASSIFICAÇÃO DE DADOS RUIDOSOS DEFINIDOS EM ESTRUTURAS IRREGULARES. 2023. 11f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica) - Unidade Acadêmica do Cabo de Santo Agostinho, Universidade Federal Rural de Pernambuco, 2023. |
url |
https://repository.ufrpe.br/handle/123456789/5243 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
creativecommons.org/licenses/by-nc-sa/4.0/deed.pt_BR atribuition - non commercial - no derivs 4.0 Brazil info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
creativecommons.org/licenses/by-nc-sa/4.0/deed.pt_BR atribuition - non commercial - no derivs 4.0 Brazil |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
11p. application/pdf |
dc.publisher.none.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) instname:Universidade Federal Rural de Pernambuco (UFRPE) instacron:UFRPE |
instname_str |
Universidade Federal Rural de Pernambuco (UFRPE) |
instacron_str |
UFRPE |
institution |
UFRPE |
reponame_str |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
collection |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
repository.name.fl_str_mv |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) - Universidade Federal Rural de Pernambuco (UFRPE) |
repository.mail.fl_str_mv |
repositorio.sib@ufrpe.br |
_version_ |
1809277154148483072 |