Para citar este trabalho use um dos padrões abaixo:
Fundamentos de Redes Neurais Profundas
JOÃO PAULO CHRISTOFOLLETTI
UNICAMP
Agora você poderia compartilhar comigo suas dúvidas, observações e parabenizações
Crie um tópicoWatch this next:
Realização de um estudo sobre a temática de redes neurais profundas a partir de uma perspectiva de aprendizado de máquina e implementação baseado numa aplicação prática de reconhecimento de imagens.
Apoio/Financiamento da Pesquisa: PIBIC/CNPq
Kayol Mayer
No estudo do problema prático de análise de eficiência energética, o que foi estudado?
No trabalho escrito, foi dito que para finalização do estudo dirigido, foi proposta uma nova implementação de classificação, a qual teve por base um conjunto de dados sintéticos com duas dimensões de entrada e duas classes. Nessa nova implementação, como foi definido o conjunto de entrada e o conjunto de saída? Como ficaram os resultados da MLP (duas camadas escondidas) em comparação com a regressão logística e a linear?
Outras arquiteturas de redes neurais profundas que comportam múltiplos layers (e.g., LSTM e convolucional) foram ou serão estudadas nesse projeto?
MARIA JÚLIA CRISTOFOLETTI DE SOUZA
Parabéns pelo conteúdo, gostei muito!
JOÃO PAULO CHRISTOFOLLETTI
Muito obrigado!
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo
JOÃO PAULO CHRISTOFOLLETTI
O problema de análise e eficiência energética teve como objetivo estudar um problema que aborda a análise de eficiência energética de 12 formas de construção diferentes, as quais diferem em relação a 8 parâmetros. Em suma, o conjunto contém 8 parâmetros de entrada e duas saídas. Portanto, através desse conjunto foi feito um modelo linear, no entanto, por ter sido a primeira implementação acabou apresentando resultados discrepantes com o que se esperava.
Para o conjunto de dados sintéticos eles já eram separados em entradas e saídas originalmente, portanto, não houve a necessidade de defini-los. Já os resultados da MLP se mostraram mais condizente, uma vez que ela foi capaz de classificar melhor os valores do conjunto de dados. Comparando com a regressão linear e logística, elas apresentaram também uma boa classificação, porém elas foram influenciadas mais facilmente por pontos mais distantes, assim inclinando mais a reta de separação das classes.
Não foram estudadas outras arquiteturas neste projeto.