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.creator | Marcilio-Jr, Wilson E. | - |
Autor(es): dc.creator | Eler, Danilo | - |
Autor(es): dc.creator | Guilherme, Ivan | - |
Autor(es): dc.creator | Hurter, C. | - |
Autor(es): dc.creator | Purchase, H. | - |
Autor(es): dc.creator | Bouatouch, K. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:44:39Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:44:39Z | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5220/0010991000003124 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/237700 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/237700 | - |
Descrição: dc.description | Visualization techniques have been applied to reasoning about complex machine learning models. These visual approaches aim to enhance the understanding of black-box models' decisions or guide in hyperparameters configuration, such as the number of layers and neurons/filters in deep neural networks. While several works address the architectural tuning of convolutional neural networks (CNNs), only a few works face the problem from a semi-automatic perspective. This work presents a novel application of the Bayesian Case Model that uses visualization strategies to convey the most important filters of convolutional layers for image classification. A heatmap coordinated with a scatterplot visualization emphasizes the filters with the most contribution to the CNN prediction. Our methodology is evaluated on a case study using the MNIST dataset. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Math & Comp Sci, Presidente Prudente, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Stat Appl Math & Comp, Rio Claro, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Math & Comp Sci, Presidente Prudente, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Stat Appl Math & Comp, Rio Claro, SP, Brazil | - |
Descrição: dc.description | FAPESP: 2018/17881-3 | - |
Descrição: dc.description | FAPESP: 2018/25755-8 | - |
Formato: dc.format | 203-209 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Scitepress | - |
Relação: dc.relation | Proceedings Of The 17th International Joint Conference On Computer Vision, Imaging And Computer Graphics Theory And Applications (ivapp), Vol 3 | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | CNN Pruning | - |
Palavras-chave: dc.subject | Case-based Reasoning | - |
Palavras-chave: dc.subject | Visualization | - |
Título: dc.title | Semi-automatic CNN Architectural Pruning using the Bayesian Case Model and Dimensionality Reduction Visualization | - |
Tipo de arquivo: dc.type | aula 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: