| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Gardenghi, John Lenon Cardoso | - |
| dc.contributor.author | Costa, Nilvan Peres | - |
| dc.contributor.author | Zannoukou, Peniel Etèmana Désirez-Jésus | - |
| dc.identifier.citation | COSTA, Nilvan Peres; ZANNOUKOU, Peniel Etèmana Désirez-Jésus. Diferenciação automática. 2023. 56 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) — Universidade de Brasília, Brasília, 2023. | pt_BR |
| dc.description | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, 2023. | pt_BR |
| dc.description.abstract | A Diferenciação Automática (DA), é um conjunto de técnicas para avaliar derivadas, de funções
matemáticas diferenciáveis a partir de um programa que calcule seu valor num determinado
ponto. Este trabalho visa importar uma biblioteca de DA em um algoritmo clássico de otimização, o Gradiente Espectral Projetado (SPG). A intenção é automatizar a rotina responsável
pelo cálculo das das derivadas de primeira ordem, eliminando a necessidade de configuração
manual por parte do usuário. A pesquisa foi dividida em duas partes: a definição de uma biblioteca DA adequada, a partir da análise de algumas das bibliotecas de DA disponíveis na
comunidade, e a integração dessa técnica ao algoritmo SPG. O resultado obtido é uma versão
do SPG simplificada, que dispensa o cálculo das derivadas de primeira ordem, tornando seu uso
mais simples do ponto de vista de implementação do problema de otimização a ser resolvido. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Diferenciação Automática (DA) | pt_BR |
| dc.subject.keyword | Funções (Matemática) | pt_BR |
| dc.title | Diferenciação automática | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2024-07-31T14:59:25Z | - |
| dc.date.available | 2024-07-31T14:59:25Z | - |
| dc.date.submitted | 2023-12-11 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/39354 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.description.abstract1 | Automatic Differentiation (AD) is a set of techniques for evaluating derivatives of differentiable
mathematical functions from a program that calculates their value at a certain point. This work
aims to import an AD library into a classic optimization algorithm, the Projected Spectral
Gradient (SPG). The intention is to automate the routine responsible for calculating first order derivatives, eliminating the need for manual configuration by the user. The research
was divided into two parts: the definition of a suitable AD library, based on the analysis of
some of the AD libraries available in the community, and the integration of this technique into
the SPG algorithm. The result obtained is a simplified version of the SPG, which dispenses
with the calculation of first-order derivatives, making its use simpler from the point of view of
implementing the optimization problem to be solved. | pt_BR |
| Aparece na Coleção: | Engenharia de Software
|
