REDES NEURAIS DEEP LEARNING COM TENSORFLOW

Autores

  • João Vitor Regis Falcão Universidade José do Rosário Vellano
  • Vinícius de Ávila Moreira Universidade José do Rosário Vellano
  • Celso de Ávila Ramos Universidade José do Rosário Vellano
  • Flávia Aparecida de Oliveira Santos Universidade José do Rosário Vellano

Palavras-chave:

Aprendizado Profundo, Redes Neurais, Reconhecimento de Padrões, TensorFlow, Aprendizado de Máquina

Resumo

O principal objetivo deste trabalho é o estudo dos algoritmos de redes neurais de aprendizado profundo, com com implementação em TensorFlow. Serão abordados conceitos básicos fundamentais de Deep Learning e suas aplicações. Será apresentado o framework TensorFlow como ferramenta de implementação das redes neurais, abordando seu funcionamento e ciclo de vida. É implementado uma aplicação prática para reconhecimento de partes de vestuário com deep learning. Conclui-se destacando áreas de aplicação das Redes Neurais de Aprendizado Profundo e como elas podem nos ajudar a solucionar problemas do mundo real, além de reflexões sobre o futuro da inteligência artificial.

Referências

YEGULALP, Serdar. “What is TensorFlow? The Machine Learning Liberary Explained”. [Acesso em: 18 novembro 2018]. Disponível em: <https://www.infoworld.com/article/3278008/tensorflow/what-is-tensorflow-the-machine-learning-library-explained.html>.

AI GOOGLE. “TensorFlow Documentation”. [Acesso em: 18 novembro 2018]. Disponível em: <https://www.tensorflow.org/>.

AI GOOGLE. “Google Brain Team”. [Acesso em: 18 novembro 2018] Disponível em: <https://ai.google/research/teams/brain>

CLOUD TPU. “Tensor Processing Unit Documentation”. [Acesso em: 18 novembro 2018] Disponível em: <https://cloud.google.com/tpu/>

GURU99. “What is TensorFlow? Introduction, Architecture and Examples”. [Acesso em: 18 novembro 2018] Disponível em: <https://www.guru99.com/what-is-tensorflow.html>

GERSHGORN, Dave. “The inside story of how AI got good enough to dominate Silicon Valley”. [Acesso em: 18 novembro 2018] Disponível em: <https://qz.com/1307091/the-inside-story-of-how-ai-got-good-enough-to-dominate-silicon-valley/>

TECNOLOGY REVIEW. “The Face Detection Algorithm Set to Revolutionize Image Search”. [Acesso em: 18 novembro 2018] Disponível em: <https://www.technologyreview.com/s/535201/the-face-detection-algorithm-set-to-revolutionize-image-search/>

LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey (2015). “Deep learning”. [Acesso em: 18 novembro 2018] Disponível em: <http://adsabs.harvard.edu/abs/2015Natur.521..436L>

NIELSEN, Michael. “How the backpropagation works?”. [Acesso em: 19 novembro 2018] Disponível em: <http://neuralnetworksanddeeplearning.com/chap2.html>

WALKARN, Ujj. “A Quick Introduction to Neural Networks”. [Acesso em: 19 novembro 2018] Disponível em: <https://ujjwalkarn.me/2016/08/09/quick-intro-neural-networks/>

KAPUR, Rohan. “What is bias in artificial neural network?”. [Acesso em: 19 novembro 2018] Disponível em: <https://www.quora.com/What-is-bias-in-artificial-neural-network>

AGARAP, Abien F. M.. “Deep Learning using Rectified Linear Units (ReLU)”. [Acesso em: 19 novembro 2018] Disponível em: <https://arxiv.org/pdf/1803.08375.pdf>

KINGMA, Diererik; BA, Jimmy L.. “ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION”. [Acesso em: 19 novembro 2018] Disponível em: <https://arxiv.org/pdf/1412.6980.pdf>

Downloads

Publicado

2019-12-18

Edição

Seção

Artigos