dc.creator.ID |
CAMINHA, V. L. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/2172825162678603 |
pt_BR |
dc.contributor.advisor1 |
ACIOLI JUNIOR, George. |
|
dc.contributor.advisor1ID |
ACIOLI JUNIOR, G. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/1596840676645407 |
pt_BR |
dc.contributor.referee1 |
SANTOS, Danilo Freire de Souza. |
|
dc.description.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. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica. |
pt_BR |
dc.title |
Estudo sobre arquiteturas, regularização e otimização de sistemas de aprendizado profundo. |
pt_BR |
dc.date.issued |
2020-03 |
|
dc.description.abstract |
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. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19135 |
|
dc.date.accessioned |
2021-05-28T21:53:23Z |
|
dc.date.available |
2021-05-28 |
|
dc.date.available |
2021-05-28T21:53:23Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Sistemas de aprendizado profundo |
pt_BR |
dc.subject |
Otimização de sistemas de aprendizado profundo |
pt_BR |
dc.subject |
Regularização de sistemas de aprendizado profundo |
pt_BR |
dc.subject |
Arquitetura de sistemas de aprendizado profundo |
pt_BR |
dc.subject |
Redes neurais |
pt_BR |
dc.subject |
Aprendizado profundo |
pt_BR |
dc.subject |
Inteligência artificial |
pt_BR |
dc.subject |
Deep learning systems |
pt_BR |
dc.subject |
Optimizing deep learning systems |
pt_BR |
dc.subject |
Regularization of deep learning systems |
pt_BR |
dc.subject |
Deep Learning Systems Architecture |
pt_BR |
dc.subject |
Neural networks |
pt_BR |
dc.subject |
Deep learning |
pt_BR |
dc.subject |
Artificial intelligence |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
CAMINHA, Vítor Leão. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Study on architectures, regularization and optimization of deep learning systems. |
pt_BR |
dc.identifier.citation |
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 |
pt_BR |