Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/19797| Type: | Trabalho de conclusão de graduação |
| Title: | Um estudo comparativo sobre redes adversárias generativas |
| Author(s)/Inventor(s): | Leão, Eduardo Tavares Figueiredo, Rodrigo Carvalho de |
| Advisor: | Silva, João Carlos Pereira da |
| Abstract: | Redes Adversárias Generativas (Generative Adversarial Networks - GANs) são uma classe de arquiteturas de redes neurais artificiais cujo objetivo é a descoberta e aprendizado de padrões em conjuntos de dados, a fim de gerar novos exemplos únicos que sejam indistinguíveis de amostras obtidas desse conjunto. Este trabalho tem como objetivo apresentar esses tipos de redes e, particularmente, três diferentes arquiteturas: GAN, CGAN e DCGAN. É feita uma análise comparativa dos seus desempenhos a partir de um experimento base de geração de imagens com o conjunto de dados MNIST, utilizando tanto métricas quantitativas quanto qualitativas. São então propostas algumas mudanças de arquitetura e hiperparâmetros com o próposito de melhorar o desempenho dessas redes na tarefa em questão, que correspondem a: variações no tamanho do vetor latente, uso de camadas de dropout e adição de ruído no modelo discriminador. Por fim, são apresentados os resultados obtidos em experimentos após a adoção de cada modificação, mostrando que, em alguns casos, foram eficazes em aprimorar a qualidade das amostras geradas pelas redes, de acordo com as métricas estabelecidas. |
| Keywords: | inteligência artificial aprendizado de máquina redes neurais modelos generativos |
| Subject CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Production unit: | Instituto de Computação |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 29-Aug-2022 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Appears in Collections: | Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ETLeao.pdf | 1.83 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.