| Título: | Estudo sobre redes neurais de aprendizado profundo com aplicações em classificação de imagens |
| Autor(es): | Marques, Eduarda Almeida Leão |
| Orientador(es): | Pianto, Donald Matthew |
| Assunto: | Redes neurais (Computação)
Aprendizado do computador |
| Data de apresentação: | 2016 |
| Data de publicação: | 8-Nov-2016 |
| Referência: | MARQUES, Eduarda Almeida Leão. Estudo sobre redes neurais de aprendizado profundo com aplicações em classificação de imagens. 2016. ix, 51 f., il. Monografia (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2016. |
| Resumo: | Em meio a tantos avanços tecnológicos, o estudo e a procura de desenvolvimento de técnicas de inteligência artificial tem ganhado um grande destaque na comunidade acadêmica e científica, entre elas estão as redes neurais. As redes neurais se incluem no universo de técnicas de aprendizado de máquina em que uma rede é treinada para identificar padrões e, assim como o cérebro, após o aprendizado, tornar o conteúdo adquirido disponível para uso. Uma aplicação de grande importância das redes neurais é o reconhecimento de imagem. Esse tipo de aplicação exige uma arquitetura conhecida como redes neurais de aprendizado profundo, ou deep learning, onde a ideia é adicionar mais camadas para ampliar sua capacidade de aprendizado e de generalização. Ou seja, aprender os padrões desejados em imagens durante o processo de treinamento e ser capaz de generalizar esse conhecimento para observações que nunca foram vistas antes pela rede. Nos últimos anos, as redes neurais convolucionais têm ganhado grande importância em tarefas de classificação, devido a sua arquitetura, que fazem essas redes serem modelos seletivos e invariantes. Este estudo apresenta um exercício de avaliação comparativa entre diversas arquiteturas de redes neurais e redes neurais de aprendizado profundo em tarefas de classificação de imagens. |
| Abstract: | Among many technological advances, the study and demand of techniques development of artificial intelligence has progressively gained recognition in academic and science community, as for example neural networks. Neural networks are included in a universe of machine learning techniques in a net that is trained to, after learning, identify patterns and turn the content available for use, as the brain. One big important use of neural networks is in image recognition. This type of application requires and architecture known as deep
learning neural networks, in which the main idea is to add more layers to amplify your learning and generalizing capacity. In another words, to learn desired patterns in images during the training process and being capable to generalize observation knowledge that was never seen before by the net. The convolutional neural networks has attracted more attention in classification tasks over the last years because of your structure, that makes this nets to be selective and invariant models. This study outlines a comparison evaluation exercise between a variety of neural networks architectures and deep learning neural networks in classification images tasks. |
| Informações adicionais: | Monografia (graduação)—Universidade de Brasília, Departamento de Estatística, 2016. |
| Aparece na Coleção: | Estatística
|
