RDBU| Repositório Digital da Biblioteca da Unisinos
Classificação de imagens: um método de otimização de hiperparâmetros de configuração de redes neurais convolucionais
JavaScript is disabled for your browser. Some features of this site may not work without it.
| Autor | Silva , Roberto Martins da; |
| Orientador | Silva, Denise Bandeira da; |
| Lattes do orientador | http://lattes.cnpq.br/2738749341256188; |
| Instituição | Universidade do Vale do Rio dos Sinos; |
| Título | Classificação de imagens: um método de otimização de hiperparâmetros de configuração de redes neurais convolucionais; |
| Resumo | A construção de um modelo de Rede Neural Artificial para reconhecimento de imagens exige um alto grau de especialização e simulações para se conseguir configurar todos os parâmetros necessários para um bom desempenho do modelo. Este artigo apresenta um método de análise dos principais hiperparâmetros de configuração de uma Rede Neural Convolucional de reconhecimento de imagens de forma a tornar mais acessível a tarefa de escolha dos parâmetros de configuração e que possa ser estendido a outros modelos de redes neurais que utilizam os mesmos parâmetros, encurtando assim o trabalho de construção do modelo. Passando pelos principais parâmetros de configuração, à medida em que vão sendo definidas as faixas ideais de valores, o método vai conduzindo aos parâmetros seguintes, permitindo o aprimoramento do resultado da rede neural e a experimentação com os parâmetros das etapas anteriores até se chegar ao resultado ideal. O processo se mostrou eficaz, uma vez que, partindo de um modelo já testado, foram removidas as otimizações e aplicados os testes do método, chegando a uma configuração final mais otimizada e com melhor desempenho que o modelo original.; |
| Abstract | The construction of an Artificial Neural Network model for image recognition requires a high degree of specialization and simulations to be able to configure all the parameters necessary for a good model performance. This paper presents a method for analyzing the main configuration hyperparameters of a Convolutional Image Recognition Neural Network to make the task of choosing configuration parameters more accessible and can be extended to other neural network models that use them. parameters, thus shortening the model construction work. Going through the main configuration parameters, as the ideal ranges of values are defined, the method leads to the following parameters, allowing the improvement of the neural network result and experimentation with the parameters of the previous steps until the ideal result is reached. The process proved to be effective, since, starting from a previously tested model, the optimizations were removed and the method tests were applied, reaching a more optimized and better performing final configuration than the original model.; |
| Palavras-chave | Rede neural artificial; Hiperparâmetros de configuração; Parâmetros de configuração; Artificial neural network; Configuration hyperparameters; configuration parameters; |
| Tipo | TCC; |
| Data de defesa | 2019-01-01; |
| URI | http://www.repositorio.jesuita.org.br/handle/UNISINOS/10262; |
| Nivel | Especialização; |
| Curso | Especialização em Big Data, Data Science e Data Analytics; |
Arquivos deste item
Este item aparece na(s) seguinte(s) coleção(s)
-
Lato Senso ( Especialização/MBA/MBE/Pós-MBA ) [397]
Lato Senso ( Especialização/MBA/MBE/Pós-MBA )