Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/13071| Especie: | Dissertação |
| Título : | Aprendizado profundo para classificação de microorganismos |
| Autor(es)/Inventor(es): | Faria, Renan Carlos Prata de |
| Tutor: | Farias, Ricardo Cordeiro de |
| Resumen: | Neste trabalho apresentamos uma comparação entre três métodos de aprendizado de máquina (ML) aplicados para identificar Chatonella localizadas imagens microscópicas. Analisamos o algoritmo de vizinhos de k mais próximos (KNN), o algoritmo de rede neural sem peso (WNN) e o algoritmo de rede neural convolucional (CNN). Este último sendo o estado da arte para classificação de imagens. O objetivo deste trabalho é identificar o melhor método para contabilizar diferentes tipos de microrganismos de amostras de água oceânica, com a finalidade de detectar poluição. Essa comparação leva em consideração a precisão da taxa de acertos. O algoritmo que teve o melhor desempeho foi a rede neural convolucional, como será detalhado neste trabalho. |
| Resumen: | In this work we present a comparison among three machine learning (ML) methods applied to identify Chattonella based on microscopic images. We analyze KNearest Neighbors algorithm (KNN), Weightless Neural Network algorithm (WNN) and Convolutional Neural Network algorithm (CNN). The latter being the state of art to image classification. The goal of this work is to identify the best method to count different types of microorganisms in oceanic water samples, with the goal for detecting pollution. This comparison takes into account accuracy of the hit rate. The best result was reached by Convolutional Neural Network algorithm, as will be described in this work. |
| Materia: | Machine Learning Deep Learning Microrganismos Redes Neurais |
| Materia CNPq: | CNPQ::ENGENHARIAS |
| Programa: | Programa de Pós-Graduação em Engenharia de Sistemas e Computação |
| Unidade de producción: | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | sep-2018 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Aparece en las colecciones: | Engenharia de Sistemas e Computação |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| RenanCarlosPrataDeFaria.pdf | 2.83 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.