Loading...
Publication
Interface gráfica para desenvolvimento de redes neuronais convolucionais probabilísticas
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 11.49 MB | Adobe PDF |
Authors
Abstract(s)
Through the development of artificial intelligence, some capabilities of human
beings have been replicated to computers. Among the models developed, Convo lutional Neural Networks stand out considerably because they make it possible for
systems to have inherent capabilities of humans, such as pattern recognition in ima ges and signals. However, conventional systems are based on deterministic models,
which are unable to express the epistemic uncertainty of their predictions. The al ternative consists in the use of probabilistic models although these are considerably
more difficult to develop. In order to address the problems related to the development
of probabilistic networks and the choice of the network architecture, in this disserta tionthe development of an application is proposed , which allows the user to choose
the desired architecture and obtain the model already trained for the given data.
This application named “Graphical Interface for Probabilistic Neural Networks” gi ves the user the possibility to use the most common Convolutional Neural Networks
for different data sets, being the networks adapted to the developed probabilistic
model. Contrary to existing models for generic use, which are deterministic and
already pre-trained on databases to be used in transfer learning, the approach fol lowed in this work creates the network layer by layer, with training performed on
the provided data, originating a specific model for the data in question.
Através do desenvolvimento da inteligência artificial, algumas capacidades dos seres humanos têm sido replicadas para os computadores. Entre os modelos desen volvidos, destacam-se consideravelmente as Redes Neuronais Convolucionais, pois tornam possível aos sistemas terem capacidades inerentes dos humanos tais como o reconhecimento de padrões em imagens e sinais. Todavia, os sistemas convencio nais são baseados em modelos determinísticos, sendo estes incapazes de expressar a incerteza epistêmica das previsões. A alternativa consiste no uso de modelos proba bilísticos embora estes sejam consideravelmente mais difíceis de desenvolver. Para abordar os problemas relativos ao desenvolvimento de redes probabilísticas e à es colha da arquitetura da rede, nesta dissertação é proposto o desenvolvimento de uma aplicação que permite ao utilizador escolher a arquitetura desejada e obter o modelo já treinado para os dados fornecidos. Esta aplicação “Interface Gráfica para Redes Neuronais Probabilísticos” dá ao utilizador a possibilidade de poder utilizar as Redes Neuronais Convolucionais mais comuns para diferentes conjuntos de dados, sendo as redes adaptadas ao modelo probabilístico desenvolvido. Contrariamente aos modelos existentes para uso genérico que são determinísticos e já pré-treinados em conjuntos de dados para depois serem usados em transfer learning, a abordagem seguida neste trabalho cria a rede camada a camada, sendo efetuado o treino nos dados fornecidos, originando um modelo específico para os dados em questão.
Através do desenvolvimento da inteligência artificial, algumas capacidades dos seres humanos têm sido replicadas para os computadores. Entre os modelos desen volvidos, destacam-se consideravelmente as Redes Neuronais Convolucionais, pois tornam possível aos sistemas terem capacidades inerentes dos humanos tais como o reconhecimento de padrões em imagens e sinais. Todavia, os sistemas convencio nais são baseados em modelos determinísticos, sendo estes incapazes de expressar a incerteza epistêmica das previsões. A alternativa consiste no uso de modelos proba bilísticos embora estes sejam consideravelmente mais difíceis de desenvolver. Para abordar os problemas relativos ao desenvolvimento de redes probabilísticas e à es colha da arquitetura da rede, nesta dissertação é proposto o desenvolvimento de uma aplicação que permite ao utilizador escolher a arquitetura desejada e obter o modelo já treinado para os dados fornecidos. Esta aplicação “Interface Gráfica para Redes Neuronais Probabilísticos” dá ao utilizador a possibilidade de poder utilizar as Redes Neuronais Convolucionais mais comuns para diferentes conjuntos de dados, sendo as redes adaptadas ao modelo probabilístico desenvolvido. Contrariamente aos modelos existentes para uso genérico que são determinísticos e já pré-treinados em conjuntos de dados para depois serem usados em transfer learning, a abordagem seguida neste trabalho cria a rede camada a camada, sendo efetuado o treino nos dados fornecidos, originando um modelo específico para os dados em questão.
Description
Keywords
Inteligência artificial Interface gráfica Rede neuronal convolucional probabilística Modelo probabilístico Modelo determinístico Artificial intelligence Graphical interface Probabilistic Convolutional neural network Probabilistic model and deterministic model Engenharia Informática . Faculdade de Ciências Exatas e da Engenhria