Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/3940
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSilva, Rodrigo César Pedrosapt_BR
dc.contributor.advisorReis, Agnaldo José da Rochapt_BR
dc.contributor.authorFerreira, Antonio de Barros Naddeo Meirelles-
dc.date.accessioned2022-02-12T22:53:23Z-
dc.date.available2022-02-12T22:53:23Z-
dc.date.issued2022pt_BR
dc.identifier.citationFERREIRA, Antonio de Barros Naddeo Meirelles. Otimização multiobjetivo baseada em modelos substitutos para compressão de redes neurais artificiais. 2022. 43 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/3940-
dc.description.abstractNos últimos anos surgiram novos trabalhos visando a redução do custo computacional das redes neurais artificiais, mantendo a eficácia dos modelos. A redução deste custo pode permitir a aplicação de redes neurais artificiais em sistemas com restrições de hardware ou a redução de latência entre serviços da nuvem. Entre os métodos criados, existem aqueles que buscam reduzir o custo de uma rede existente, como a poda de parâmetros ou quantização de pesos. Estes métodos transformam a arquitetura de uma rede, de forma a torná-la mais leve. Entretanto, estes métodos requerem configurações e hiper-parâmetros próprios para serem aplicados, configurações estas que normalmente são pouco discutidas na literatura. Aproveitando desta consideração, propõe-se neste trabalho uma metodologia para a otimização da escolha dos parâmetros envolvidos na compressão de uma rede neural artificial através de modelos substitutos. Esta técnica de otimização já se mostrou promissora em outros problemas semelhantes e pode ser uma alternativa interessante para a análise do problema de compressão.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectRedes neurais -computaçãopt_BR
dc.subjectRedes neurais - compressãopt_BR
dc.subjectOtimizaçãopt_BR
dc.titleOtimização multiobjetivo baseada em modelos substitutos para compressão de redes neurais artificiais.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeSilva, Rodrigo César Pedrosapt_BR
dc.contributor.refereeReis, Agnaldo José da Rochapt_BR
dc.contributor.refereeRezende, Tamires Martinspt_BR
dc.contributor.refereeSouza, Gabriel Lima dept_BR
dc.description.abstractenIn recent years, new studies have emerged with the aim of reducing the computational cost of artificial neural networks, while maintaining the efficiency of the models. Reducing this cost allow the application of artificial neural networks in systems with hardware restrictions or the reduction of latency between cloud services. Among the methods created, there are those that seek to reduce the cost of an existing network, such as pruning parameters or quantizing weights. These methods transform the architecture of a network in order to make it lighter. However, these methods require their own configurations and hyper-parameters, configurations that are usually little discussed in the literature. Taking advantage of this consideration, this work proposes an algorithm for optimizing the choice of parameters involved in the compression of an artificial neural network through surrogate models. This optimization technique has already shown good results in similar problems and can be an interesting alternative for analyzing the compression problem.pt_BR
dc.contributor.authorID16.2.1229pt_BR
Appears in Collections:Engenharia de Controle e Automação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_OtimizacaoMultiobjetivoBaseada.pdf3,1 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons