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 | Paulo State University | - |
Autor(es): dc.creator | Roder, Mateus | - |
Autor(es): dc.creator | Passos, Leandro Aparecido | - |
Autor(es): dc.creator | Papa, João Paulo | - |
Autor(es): dc.creator | Rossi, André Luis Debiaso | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:10:34Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:10:34Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-45389-2_22 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/306030 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/306030 | - |
Descrição: dc.description | Quality classification of wood boards is an essential task in the sawmill industry, which is still usually performed by human operators in small to median companies in developing countries. Machine learning algorithms have been successfully employed to investigate the problem, offering a more affordable alternative compared to other solutions. However, such approaches usually present some drawbacks regarding the proper selection of their hyperparameters. Moreover, the models are susceptible to the features extracted from wood board images, which influence the induction of the model and, consequently, its generalization power. Therefore, in this paper, we investigate the problem of simultaneously tuning the hyperparameters of an artificial neural network (ANN) as well as selecting a subset of characteristics that better describes the wood board quality. Experiments were conducted over a private dataset composed of images obtained from a sawmill industry and described using different feature descriptors. The predictive performance of the model was compared against five baseline methods as well as a random search, performing either ANN hyperparameter tuning and feature selection. Experimental results suggest that hyperparameters should be adjusted according to the feature set, or the features should be selected considering the hyperparameter values. In summary, the best predictive performance, i.e., a balanced accuracy of 0.80, was achieved in two distinct scenarios: (i) performing only feature selection, and (ii) performing both tasks concomitantly. Thus, we suggest that at least one of the two approaches should be considered in the context of industrial applications. | - |
Descrição: dc.description | Department of Computing São Paulo State University, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 | - |
Descrição: dc.description | Department of Production Engineering Paulo State University, Rua Geraldo Alckmin, 519 - Vila Nossa Sra. de Fatima | - |
Descrição: dc.description | Department of Computing São Paulo State University, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 | - |
Formato: dc.format | 323-337 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Artificial Neural Network Optimization | - |
Palavras-chave: dc.subject | Feature Selection | - |
Palavras-chave: dc.subject | Hyperparameter Tuning | - |
Palavras-chave: dc.subject | Sawmill Problem | - |
Palavras-chave: dc.subject | Wood Quality Classification | - |
Título: dc.title | Feature Selection and Hyperparameter Fine-Tuning in Artificial Neural Networks for Wood Quality Classification | - |
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: