
Otimizando Parâmetros de uma DenseNet
através do controle de geração de mapas de característicasBy Cristiano Roberto SiebertLength2h
About this audiobook
As Redes Neurais Convolucionais, ou CNN, sofrem ainda com a grande necessidade de poder computacional para sua utilização, restringindo seu uso em plataformas variadas. Para isso foi desenvolvido um método de otimização feito para a DenseNet, uma CNN que tem como característica ser completamente conectada em todas as suas camadas. A técnica consiste em controlar a geração dos mapas de características em relação ao momento de extração de características da rede, objetivando a redução do tamanho de ocupação de espaço da rede e do tempo de treinamento com o mínimo de perda na acurácia. Esse controle se dá reduzindo de maneira progressiva o número de mapas de característica através da adição de um novo parâmetro chamado de controle de decréscimo (Decrease Control), que controlará quantos mapas de característica cada mapa deverá extrair.
Audiobook details
GenreTechnology
Length2 hrs
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateAug 10, 2022
LanguagePortuguese
Table of contents
1AGRADECIMENTOS
21. INTRODUÇÃO
31.1 OBJETIVOS
41.2 ESCOPO
51.3 METODOLOGIA
Show all chaptersShow less
61.4 ESTRUTURA
72. FUNDAMENTAÇÃO TEÓRICA
82.1 RECONHECIMENTO DE PADRÕES
92.1.1 Padrões
102.1.2 - Classes de Padrões
112.1.3 - Reconhecimento de Padrões
122.2 REDES NEURAIS ARTIFICIAIS: 2.2.1 Algoritmo Perceptron e o MLP
132.3 REDES NEURAIS CONVOLUCIONAIS
142.3.1 Camada de normalização em lote
152.3.2 Camada dropout
162.3.3 Principais arquiteturas de Redes Neurais Convolucionais
172.3.3.1 AlexNet
182.3.3.2 GoogLeNet/Inception
192.3.3.3 VGGNet
202.3.3.4 ResNet
212.3.3.5 DenseNet
222.4 CONSIDERAÇÕES FINAIS DO CAPÍTULO
233. TRABALHOS RELACIONADOS
243.1 DECOMPOSIÇÃO DE CAMADAS
253.2 REDES DE PODA
263.3 PROJEÇÃO BLOCO-CIRCULANTE
273.4 KNOWLEDGE DISTILLATION
283.5 CONSIDERAÇÕES FINAIS DO CAPÍTULO
294. OTIMIZANDO PARÂMETROS DE UMA DENSENET ATRAVÉS DO CONTROLE DE GERAÇÃO DE MAPAS DE CARACTERÍSTICA
304.1 DEFININDO O FATOR DE DECRÉSCIMO
314.2 CONSIDERAÇÕES FINAIS DO CAPÍTULO
325. RESULTADOS DOS EXPERIMENTOS
335.1 CONJUNTOS DE DADOS UTILIZADOS NOS EXPERIMENTOS
345.2 PROTOCOLO EXPERIMENTAL
355.3 RESULTADOS DA BASE MNIST
365.4 RESULTADOS DA BASE FASHION-MNIST
375.5 RESULTADOS DA BASE CIFAR-10
385.6 RESULTADOS DA BASE CIFAR-100
395.7 RESULTADOS DA BASE CALTECH-101
405.8 RESULTADOS DA BASE CATS VS DOGS
415.9 RESULTADOS DA BASE TINYIMAGENET
425.10 CONSIDERAÇÕES FINAIS DO CAPÍTULO
436. CONCLUSÃO E TRABALHOS FUTUROS: 6.1 TRABALHOS FUTUROS
44SOBRE O AUTOR