Artigo

Arquitetura CUDA: estudo de caso sobre a soma de vetores

O Aprendizado Profundo (Deep Learning) é uma subárea de Aprendizado de Máquina (Machine Learning), que investiga técnicas para simular o comportamento do cérebro humano. No presente trabalho apresenta-se uma análise de arquiteturas de Deep Learning na solução de um problema de Classificação. Para ta...

ver descrição completa

Autor principal: SILVA, Henrique Matheus Ferreira da
Grau: Artigo
Idioma: pt_BR
Publicado em: Universidade Federal do Oeste do Pará 2024
Assuntos:
Inteligência Artificial
Aprendizado Supervisionado
Redes neurais
Acesso em linha: https://repositorio.ufopa.edu.br/jspui/handle/123456789/1511
id ir-123456789-1511
recordtype dspace
spelling ir-123456789-15112024-03-17T00:51:21Z Arquitetura CUDA: estudo de caso sobre a soma de vetores SILVA, Henrique Matheus Ferreira da MENESES, Anderson Alvarenga de Moura Inteligência Artificial Aprendizado Supervisionado Redes neurais O Aprendizado Profundo (Deep Learning) é uma subárea de Aprendizado de Máquina (Machine Learning), que investiga técnicas para simular o comportamento do cérebro humano. No presente trabalho apresenta-se uma análise de arquiteturas de Deep Learning na solução de um problema de Classificação. Para tanto, utilizou-se a base de dados wine quality dataset (Cortez et al., 2009). Foram analisadas 9 arquiteturas de Deep Learning,com variações no número de neurônios e camadas ocultas, de forma a comparar seus desempenhos usando as métricas: Acurácia, Precisão, Recall e F1 Score. Posteriormente foi utilizado o teste de Kruskal-Wallis para avaliar se há diferença estatisticamente significativa entre as arquiteturas com a finalidade de reduzir o custo computacional para futuras aplicações. Verificou-se que a diferença entre os desempenhos não é estatisticamente significativa (com α = 5%) para nenhuma das métricas utilizadas para este conjunto de dados, sendo assim possível usar a arquitetura menos complexa sem comprometer os resultados obtidos, reduzindo o custo computacional. 2024-03-17T00:50:50Z 2024-03-17T00:50:50Z 2017 Article SILVA, Henrique Matheus Ferreira da. Arquitetura CUDA: estudo de caso sobre a soma de vetores. Orientador: Anderson Alvarenga de Moura Meneses. 2017. 11 p. Trabalho de Conclusão de Curso - Artigo (Bacharelado Interdisciplinar em Ciência e Tecnologia) - Instituto de Engenharia e Geociências, Universidade Federal do Oeste do Pará, 2017. Disponível em: https://repositorio.ufopa.edu.br/jspui/handle/123456789/1511. Acesso em: https://repositorio.ufopa.edu.br/jspui/handle/123456789/1511 pt_BR Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ application/pdf Universidade Federal do Oeste do Pará Brasil Not applicable UFOPA Instituto de Engenharia e Geociências PDF
institution Repositório Institucional - Universidade Federa ldo Oeste do Pará - UFOPA
collection DSpace
language pt_BR
topic Inteligência Artificial
Aprendizado Supervisionado
Redes neurais
spellingShingle Inteligência Artificial
Aprendizado Supervisionado
Redes neurais
SILVA, Henrique Matheus Ferreira da
Arquitetura CUDA: estudo de caso sobre a soma de vetores
topic_facet Inteligência Artificial
Aprendizado Supervisionado
Redes neurais
description O Aprendizado Profundo (Deep Learning) é uma subárea de Aprendizado de Máquina (Machine Learning), que investiga técnicas para simular o comportamento do cérebro humano. No presente trabalho apresenta-se uma análise de arquiteturas de Deep Learning na solução de um problema de Classificação. Para tanto, utilizou-se a base de dados wine quality dataset (Cortez et al., 2009). Foram analisadas 9 arquiteturas de Deep Learning,com variações no número de neurônios e camadas ocultas, de forma a comparar seus desempenhos usando as métricas: Acurácia, Precisão, Recall e F1 Score. Posteriormente foi utilizado o teste de Kruskal-Wallis para avaliar se há diferença estatisticamente significativa entre as arquiteturas com a finalidade de reduzir o custo computacional para futuras aplicações. Verificou-se que a diferença entre os desempenhos não é estatisticamente significativa (com α = 5%) para nenhuma das métricas utilizadas para este conjunto de dados, sendo assim possível usar a arquitetura menos complexa sem comprometer os resultados obtidos, reduzindo o custo computacional.
author_additional MENESES, Anderson Alvarenga de Moura
author_additionalStr MENESES, Anderson Alvarenga de Moura
format Artigo
author SILVA, Henrique Matheus Ferreira da
title Arquitetura CUDA: estudo de caso sobre a soma de vetores
title_short Arquitetura CUDA: estudo de caso sobre a soma de vetores
title_full Arquitetura CUDA: estudo de caso sobre a soma de vetores
title_fullStr Arquitetura CUDA: estudo de caso sobre a soma de vetores
title_full_unstemmed Arquitetura CUDA: estudo de caso sobre a soma de vetores
title_sort arquitetura cuda: estudo de caso sobre a soma de vetores
publisher Universidade Federal do Oeste do Pará
publishDate 2024
url https://repositorio.ufopa.edu.br/jspui/handle/123456789/1511
_version_ 1829179751773765632
score 11.755432

Registros relacionados