Use este identificador para citar ou linkar para este item:
https://rd.uffs.edu.br/handle/prefix/8804| Tipo: | Monografia |
| Título: | O método de aprendizagem profunda |
| Autor(es): | Cruzaro, Tiago |
| Primeiro Orientador: | Bösing, Paulo Rafael |
| Resumo: | O presente trabalho tem o objetivo de mostrar o funcionamento das Redes Neurais Artificiais (RNA) através do viés matemático. Para isso, foi abordada a matemática que fundamenta o treinamento das redes. São apresentados conceitos básicos para o funcionamento das RNAs como o perceptron, as funções de ativação, funções de custo e sobre regularização. Além disso, uma parte prática com a construção e treinamento de uma rede, em Python, com uso do banco de dados MNIST é apresentada. O treinamento e testes práticos empregam um modelo capaz de reconhecer dígitos de 0 a 9 manuscritos e fotografados por pessoas reais. Os testes foram realizados levando em consideração a capacidade de acerto do modelo em situações em que as imagens estavam ou não no padrão dos dados presentes no MNIST. A execução desta etapa foi fundamental para explorar a importância de um bom conjunto de treinamento, visando melhorar a execução do código. |
| Abstract/Resumen: | This work aims to demonstrate the functioning of Artificial Neural Networks (ANNs) through a mathematical perspective. To this end, the mathematics involved in the training of neural networks is addressed. Basic concepts essential to the functioning of ANNs are presented, such as the perceptron, activation functions, cost functions, and regularization techniques. In addition, a practical component is included with the construction and training of a network using Python and the MNIST dataset. The training and testing apply a model capable of recognizing handwritten digits from 0 to 9, photographed by real people. The tests were conducted considering the model’s accuracy in situations where the images did or did not follow the visual pattern of the MNIST dataset. This stage was fundamental to exploring the importance of a well-prepared training set in improving the model’s performance. |
| Palavras-chave: | Aprendizagem profunda Redes neurais Inteligência artificial Aprendizado de máquina |
| Idioma: | por |
| País: | Brasil |
| Instituição: | Universidade Federal da Fronteira Sul |
| Sigla da Instituição: | UFFS |
| Faculdade, Instituto ou Departamento: | Campus Chapecó |
| Tipo de Acesso: | Acesso Aberto |
| URI: | https://rd.uffs.edu.br/handle/prefix/8804 |
| Data do documento: | 2025 |
| Aparece nas coleções: | Matemática |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CRUZARO.pdf | 2.33 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.