
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Federal University of Ceará | - |
| Autor(es): dc.contributor | Science and Technology of Ceará | - |
| Autor(es): dc.creator | Roder, Mateus | - |
| Autor(es): dc.creator | Passos, Leandro Aparecido | - |
| Autor(es): dc.creator | de Rosa, Gustavo H. | - |
| Autor(es): dc.creator | de Albuquerque, Victor Hugo C. | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T23:18:25Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T23:18:25Z | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2021-09-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.asoc.2021.107466 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/233128 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/233128 | - |
| Descrição: dc.description | Deep learning techniques usually face drawbacks related to the vanishing gradient problem, i.e., the gradient becomes gradually weaker when propagating from one layer to another until it finally vanishes away and no longer helps in the learning process. Works have addressed this problem by introducing residual connections, thus assisting gradient propagation. However, such a subject of study has been poorly considered for Deep Belief Networks. In this paper, we propose a weighted layer-wise information reinforcement approach concerning Deep Belief Networks. Moreover, we also introduce metaheuristic optimization to select proper weight connections that improve the network's learning capabilities. Experiments conducted over public datasets corroborate the effectiveness of the proposed approach in image classification tasks. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Department of Computing São Paulo State University, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 | - |
| Descrição: dc.description | Graduate Program on Teleinformatics Engineering Federal University of Ceará, Fortaleza | - |
| Descrição: dc.description | Graduate Program on Telecommunication Engineering Federal Institute of Education Science and Technology of Ceará | - |
| Descrição: dc.description | Department of Computing São Paulo State University, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 | - |
| Descrição: dc.description | FAPESP: #2013/07375-0 | - |
| Descrição: dc.description | FAPESP: #2014/12236-1 | - |
| Descrição: dc.description | FAPESP: #2017/25908-6 | - |
| Descrição: dc.description | FAPESP: #2018/21934-5 | - |
| Descrição: dc.description | FAPESP: #2019/02205-5 | - |
| Descrição: dc.description | FAPESP: #2019/07665-4 | - |
| Descrição: dc.description | FAPESP: #2019/07825-1 | - |
| Descrição: dc.description | CNPq: #304315/2017-6 | - |
| Descrição: dc.description | CNPq: #307066/2017-7 | - |
| Descrição: dc.description | CNPq: #427968/2018-6 | - |
| Descrição: dc.description | CNPq: #430274/2018-1 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Applied Soft Computing | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Deep Belief Network | - |
| Palavras-chave: dc.subject | Metaheuristic optimization | - |
| Palavras-chave: dc.subject | Optimization | - |
| Palavras-chave: dc.subject | Residual networks | - |
| Palavras-chave: dc.subject | Restricted Boltzmann machines | - |
| Título: dc.title | Reinforcing learning in Deep Belief Networks through nature-inspired optimization | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: