Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/13071
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorFarias, Ricardo Cordeiro de-
dc.contributor.authorFaria, Renan Carlos Prata de-
dc.date.accessioned2020-09-21T23:16:58Z-
dc.date.available2020-09-23T03:00:07Z-
dc.date.issued2018-09-
dc.identifier.urihttp://hdl.handle.net/11422/13071-
dc.description.abstractIn 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectMachine Learningpt_BR
dc.subjectDeep Learningpt_BR
dc.subjectMicrorganismospt_BR
dc.subjectRedes Neuraispt_BR
dc.titleAprendizado profundo para classificação de microorganismospt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9063837162469343pt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/1449350515236077pt_BR
dc.contributor.referee1França, Felipe Maia Galvão-
dc.contributor.referee2Salomon, Paulo Sérgio-
dc.description.resumoNeste 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenhariapt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia de Sistemas e Computaçãopt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Engenharia de Sistemas e Computação

Files in This Item:
File Description SizeFormat 
RenanCarlosPrataDeFaria.pdf2.83 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.