Reconhecendo números e seus padrões

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKubrusly, Jessica Quintanilha-
Autor(es): dc.contributorJunior, Jony Arrais Pinto-
Autor(es): dc.contributorSantos, Wilson Calmon Almeida dos-
Autor(es): dc.creatorAlvarenga, Lucas Meireles Tomaz de-
Data de aceite: dc.date.accessioned2024-07-11T17:34:34Z-
Data de disponibilização: dc.date.available2024-07-11T17:34:34Z-
Data de envio: dc.date.issued2020-07-24-
Data de envio: dc.date.issued2020-07-24-
Data de envio: dc.date.issued2016-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/14494-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/753086-
Descrição: dc.descriptionNesse trabalho, nós aplicamos técnicas que servem para o reconhecimento de imagens, essa tarefa faz parte do campo de estudo de Inteligência Artificial. O objetivo desse trabalho é comparar métodos de classificação quando aplicados no reconhecimento de números manuscritos, cada um desses métodos será feito com e sem a Análise de Componentes Principais. Os métodos que serão utilizadas nesse trabalho são: Random Forest, K-Means e k-Nearest Neighbor. Ao longo desse trabalho, vimos que a técnica que consegue uma melhor performance é a Random Forest , mas com um tempo de execução muito longo. Outra técnica que consegue uma alta taxa de assertividade é o k-Nearest Neighbor, chegando a fazer somente 8,54% de classificações erradas. Também vimos que com o uso de Análise de Componentes Principais é possível reduzir em muito o tempo de execução dos métodos, sem que tenha uma perda grande de assertividade-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectRegressão (Estatística)-
Palavras-chave: dc.subjectInteligência artificial-
Título: dc.titleReconhecendo números e seus padrões-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.