Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Compressão de redes neurais.
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1015483
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Silva, Rodrigo César Pedrosa | - |
| Autor(es): dc.contributor | Silva, Rodrigo César Pedrosa | - |
| Autor(es): dc.contributor | Silva, Pedro Henrique Lopes | - |
| Autor(es): dc.contributor | Meneghini, Ivan Reinaldo | - |
| Autor(es): dc.creator | Ferreira, Gabriel Bicalho | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:27:32Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:27:32Z | - |
| Data de envio: dc.date.issued | 2025-08-12 | - |
| Data de envio: dc.date.issued | 2024 | - |
| Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/20816 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1015483 | - |
| Descrição: dc.description | Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto. | - |
| Descrição: dc.description | A implantação de redes neurais profundas em dispositivos com recursos limitados apresenta desafios significativos, especialmente em aplicações de saúde, onde a apren- dizagem de máquina, incluindo redes neurais convolucionais (CNNs), desempenha um papel essencial no diagnóstico médico e no suporte clínico em tempo real. Para mitigar esses desafios, técnicas como poda e quantização são amplamente emprega- das, exigindo ajustes criteriosos para garantir que o modelo final seja computacional- mente eficiente sem comprometer significativamente a precisão. Este projeto propõe um Algoritmo Evolucionário Multiobjetivo com Restrições para a compressão de redes neurais artificiais, automatizando esse processo e tornando-o mais robusto e acessível, especialmente para dispositivos médicos com recursos limitados. Os resul- tados experimentais com as arquiteturas ResNet-56, ResNet-110, VGG-16 e VGG- 19 no conjunto de dados CIFAR-10 demonstram que a abordagem proposta supera métodos tradicionais de poda e quantização, gerando conjuntos não dominados de maior qualidade. Os modelos resultantes são significativamente mais enxutos, com reduções de até 95% nos FLOPs e perdas de acurácia limitadas a no máximo 6%. Além disso, avaliamos a eficácia da poda e quantização nas arquiteturas ResNet50 e MobileNetV2 utilizando o conjunto de dados MedMNIST, que inclui bases espe- cializadas para classificação de imagens médicas, como RetinaMNIST (retinopatia diabética), DermaMNIST (doenças de pele) e BloodMNIST (células sanguíneas). Os resultados indicam que o método proposto identifica modelos menos intensivos computacionalmente, mantendo ou até melhorando a precisão nos três cenários de saúde analisados. Esses achados destacam a viabilidade das técnicas de compressão em aplicações médicas, especialmente em ambientes com restrições de hardware e necessidade de tomada de decisão em tempo real. Assim, este estudo abre cami- nho para novas validações e explorações em outras aplicações da área da saúde, promovendo modelos mais eficientes e acessíveis. | - |
| Descrição: dc.description | The deployment of deep neural networks on resource-constrained devices presents significant challenges, especially in healthcare applications where machine learning, including convolutional neural networks (CNNs), plays a crucial role in medical di- agnosis and real-time clinical support. To address these challenges, techniques such as pruning and quantization are widely employed, requiring careful adjustments to ensure that the final model remains computationally efficient without significantly compromising accuracy. This project proposes a Constraint-Based Multi-Objective Evolutionary Algorithm for compressing artificial neural networks, automating the compression process and making it more robust and accessible, particularly for me- dical devices with limited resources. Experimental results using the ResNet-56, ResNet-110, VGG-16, and VGG-19 architectures on the CIFAR-10 dataset show that the proposed approach outperforms traditional pruning and quantization methods, generating higher-quality non-dominated sets. The resulting models are significantly more compact, achieving up to 95% FLOPs reduction with accuracy losses limited to a maximum of 6%. Furthermore, we evaluate the effectiveness of pruning and quantization on the ResNet50 and MobileNetV2 architectures using the MedMNIST dataset, which includes specialized subsets for medical image classification, such as RetinaMNIST (diabetic retinopathy), DermaMNIST (skin diseases), and BloodM- NIST (blood cell classification). The results indicate that the proposed method successfully identifies computationally less intensive models while maintaining or even improving accuracy across all three healthcare-related datasets. These fin- dings highlight the feasibility of compression techniques in medical applications, particularly in hardware-constrained environments that require real-time decision- making. Thus, this study paves the way for further validation and exploration in other healthcare-related applications, promoting more efficient and accessible neural network models. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | aberto | - |
| Direitos: dc.rights | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 06/08/2025 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação. | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Redes neurais - computação | - |
| Palavras-chave: dc.subject | Otimização matemática - otimização multiobjetivo | - |
| Palavras-chave: dc.subject | Aprendizado profundo - poda e quantização | - |
| Título: dc.title | Compressão de redes neurais. | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - UFOP | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo