Avaliação de métodos de otimização em redes neurais convolucionais para identificação de dígitos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorNakajima, Evandro Alves-
Autor(es): dc.contributorConti, Giuvane-
Autor(es): dc.contributorRocha, Davi Marcondes-
Autor(es): dc.contributorNakajima, Evandro Alves-
Autor(es): dc.contributorPiovesan, Suzan Kelly Borges-
Autor(es): dc.creatorAlmeida, Ana Paula Capeletti Ramos-
Data de aceite: dc.date.accessioned2025-08-29T13:26:15Z-
Data de disponibilização: dc.date.available2025-08-29T13:26:15Z-
Data de envio: dc.date.issued2024-01-04-
Data de envio: dc.date.issued2024-01-04-
Data de envio: dc.date.issued2023-11-30-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/33152-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1113244-
Descrição: dc.descriptionThis work proposes the creation of software aimed at recognizing words in images, through a neural network, analyzing discrepancies between a network trained by classical methods, such as gradient descent, and probabilistic approaches. The central objective is to provide support to the academic community and those interested in neural networks, character identification, gradient descent and probabilistic methods. The focus is on the development of character identification software using Artificial Neural Networks (ANN) with different backpropagation methods. The methodology used involved the use of Eclipse 2023-06 and Scene Builder to create the graphical interface, with Java version 8 and JavaFX as the programming base. The software was designed with two main aspects: one aimed at users (“user screen” and “help”) and the other intended for internal testing (“dev screen” and “train CNN”). During the tests carried out, the execution of the algorithm using the gradient descent method presented results similar to those obtained with Particle Swarm Optimization (PSO), with the latter demonstrating slightly better performance, reaching an accuracy of 72.5%. However, the limitation of the testing machine, without the addition of a GPU for processing, made the classification of letters unfeasible, resulting in the classification of handwritten digits. It is important to highlight that these tests were conducted on small-scale image sets, revealing limitations of PSO when applied to larger image sets. A possible solution to deal with this issue would be to improve the hardware of the testing machine, through the addition of a GPU for processing.-
Descrição: dc.descriptionEste trabalho propõe a criação de um software voltado para o reconhecimento de palavras em imagens, através de uma rede neural, realizando a análise das discrepâncias entre uma rede treinada por métodos clássicos, como o gradiente descendente, e abordagens probabilísticas. O objetivo central é fornecer suporte à comunidade acadêmica e aos interessados em redes neurais, identificação de caracteres, gradiente descendente e métodos probabilísticos. O foco concentra-se no desenvolvimento de um software de identificação de caracteres utilizando Redes Neurais Artificiais (RNA) com distintos métodos de backpropagation. A metodologia empregada envolveu o uso do Eclipse 2023-06 e do Scene Builder para a criação da interface gráfica, com Java na versão 8 e JavaFX como base de programação. O software foi concebido com duas vertentes principais: uma voltada aos usuários (“tela usuário” e “ajuda”) e outra destinada a testes internos (“tela dev” e “treina CNN”). Durante os testes realizados, a execução do algoritmo empregando o método do gradiente descendente apresentou resultados semelhantes aos obtidos com o Particle Swarm Optimization (PSO), com este último demonstrando um desempenho ligeiramente superior, alcançando uma acurácia de 72.5%. No entanto, a limitação da máquina de testes, sem a adição de uma GPU para processamento, inviabilizou a classificação de letras, resultando na classificação de dígitos manuscritos. É relevante destacar que esses testes foram conduzidos em conjuntos de imagens de pequena escala, revelando limitações do PSO quando aplicado a conjuntos de imagens mais extensos. Uma possível solução para lidar com essa questão seria a melhoria do hardware da máquina de testes, por meio da adição de uma GPU para processamento.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherSanta Helena-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by-nc/4.0-
Palavras-chave: dc.subjectJavaFX (Recurso eletrônico)-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectSoftware-
Palavras-chave: dc.subjectAlgorítmos computacionais-
Palavras-chave: dc.subjectJavaFX (Electronic resource)-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectComputer software-
Palavras-chave: dc.subjectComputer algorithms-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleAvaliação de métodos de otimização em redes neurais convolucionais para identificação de dígitos-
Título: dc.titleEvaluation of optimazation methods in convolutional neural networks for digital identification-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.