Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Kubrusly, Jessica Quintanilha | - |
Autor(es): dc.contributor | Junior, Jony Arrais Pinto | - |
Autor(es): dc.contributor | Santos, Wilson Calmon Almeida dos | - |
Autor(es): dc.creator | Alvarenga, Lucas Meireles Tomaz de | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:34:34Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:34:34Z | - |
Data de envio: dc.date.issued | 2020-07-24 | - |
Data de envio: dc.date.issued | 2020-07-24 | - |
Data de envio: dc.date.issued | 2016 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/14494 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/753086 | - |
Descrição: dc.description | Nesse 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.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Regressão (Estatística) | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Título: dc.title | Reconhecendo números e seus padrões | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: