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 | Jacobi, Ricardo Pezzuol | - |
Autor(es): dc.contributor | Miosso, Cristiano Jacques | - |
Autor(es): dc.creator | Machado, Emerson Lopes | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:07:51Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:07:51Z | - |
Data de envio: dc.date.issued | 2016-03-21 | - |
Data de envio: dc.date.issued | 2016-03-21 | - |
Data de envio: dc.date.issued | 2016-03-21 | - |
Data de envio: dc.date.issued | 2015-07-10 | - |
Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/19722 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.26512/2015.07.T.19722 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/900538 | - |
Descrição: dc.description | Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2015. | - |
Descrição: dc.description | Apresento nesta tese a análise teórica e as avaliações empíricas do conjunto de técnicas que proponho para a redução do custo computacional da classificação em tempo de teste de classificadores que são baseados em transformada e limiar suave aprendidos a partir dos dados de treinamento. Modificando o procedimento de otimização numérica utilizado na aprendizagem da transformada e do vetor de classificação, assim como aplicando um processamento em seus respectivos elementos após a aprendizagem, as técnicas que proponho permitem reduzir a quantidade de bits necessária para se realizar a classificação e trocar cada multiplicação em ponto flutuante por um simples deslocamento de bit em inteiro. Como estudo de caso, utilizei o algoritmo de classificação Learning Algorithm for Soft-Thresholding (LAST) e os mesmos conjuntos de dados utilizados no artigo que o apresenta. Os resultados do estudo de caso confirmam a possibilidade de se utilizar somente somas e deslocamentos em inteiro para a classificação em tempo de teste com uma perda de acurácia limitada. Essas operações de baixo custo computacional são importantes em implementações feitas em FPGA por permitir aumentar a velocidade de classificação e ao mesmo tempo diminuir o consumo de energia e o custo de fabricação. Além disso, as técnicas que apresento reduziram em quase 50% a quantidade de bits necessária para a extração de características na maioria dos experimentos que realizei. | - |
Descrição: dc.description | We present a theoretical analysis and empirical evaluations of a novel set of techniques for computational cost reduction of classifiers that are based on learned transform and soft-threshold. By modifying optimization procedures for dictionary and classifier training, as well as the resulting dictionary elements, our techniques allow to reduce the bit precision and to replace each floating-point multiplication by a single integer bit shift. We also show how the optimization algorithms in some dictionary training methods can be modified to penalize higher-energy dictionaries. We applied our techniques with the classifier Learning Algorithm for Soft-Thresholding, testing on the datasets used in its original paper. Our results indicate it is feasible to use solely sums and bit shifts of integers to classify at test time with a limited reduction of the classification accuracy. These low power operations are a valuable trade off in FPGA implementations as they increase the classification throughput while decrease both energy consumption and manufacturing cost. Moreover, our techniques reduced almost 50% of the bit precision in almost all datasets we tested. | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Classificação de imagens | - |
Palavras-chave: dc.subject | Aprendizado | - |
Palavras-chave: dc.subject | Soft-thresholding | - |
Palavras-chave: dc.subject | Transferência da informação | - |
Palavras-chave: dc.subject | Computadores | - |
Título: dc.title | Redução de custo computacional em classificações baseadas em transformadas aprendidas | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: