Perceptron Multicamadas: uma ferramenta de aprendizado supervisionado

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPinto, Douglas Rodrigues-
Autor(es): dc.contributorPinto, Douglas Rodrigues-
Autor(es): dc.contributorKubrusly, Jessica Quintanilha-
Autor(es): dc.contributorYaginuma, Karina Yuriko-
Autor(es): dc.contributorPinto, Douglas Rodrigues-
Autor(es): dc.creatorPINHEIRO, MAQUEISE DE MEDEIROS-
Data de aceite: dc.date.accessioned2024-07-11T18:36:13Z-
Data de disponibilização: dc.date.available2024-07-11T18:36:13Z-
Data de envio: dc.date.issued2022-09-05-
Data de envio: dc.date.issued2022-09-05-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/26200-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/773736-
Descrição: dc.descriptionO modelo perceptron proposto por Rosenblatt (1958), é um modelo de aprendizado de máquinas utilizado tanto em classificação como em regressão. Inserido na técnica de redes neurais artificiais, ele possui uma estrutura composta de neurônios (unidades de processamento dos dados) e camadas (etapas do modelo) que permite o refinamento do resultado de saída. Este trabalho busca entender o modelo perceptron e sua forma mais geral, o perceptron multicamadas. Para isso, descreve cada uma de suas etapas e os elementos que o compõe, desde sua origem inspirada em um dos primeiros modelos de redes neurais, o modelo de McCulloch e Pitts (1943), até a utilização do método do gradiente descendente para melhoria dos parâmetros do modelo, ilustrando também duas funções comuns no papel de função de ativação. A proposta do trabalho foi elaborar um algoritmo perceptron multicamadas no software R (R Core Team, 2014) a fim de testar empiricamente o ganho em acrescentar neurônios e/ou camadas à camada oculta em termos de precisão. Para isso, foi utilizada a base de dados mushrooms do artigo de Knopf (1981), onde vimos que a adição de camadas assim como a adição de neurônios não implica necessariamente na melhora do modelo em relação a precisão, além de se tornar cada vez mais custoso computacionalmente.-
Descrição: dc.description44 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectPerceptron-
Palavras-chave: dc.subjectPerceptron Multicamadas-
Palavras-chave: dc.subjectGradiente Descendente-
Palavras-chave: dc.subjectFunção de Ativação-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectRede neural artificial-
Palavras-chave: dc.subjectAprendizado de máquina-
Título: dc.titlePerceptron Multicamadas: uma ferramenta de aprendizado supervisionado-
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.