Um estudo comparativo sobre redes adversárias generativas
| dc.contributor.advisor | Silva, João Carlos Pereira da | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/9413102524215939 | pt_BR |
| dc.contributor.referee1 | Menasche, Daniel Sadoc | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/9931198850020140 | pt_BR |
| dc.contributor.referee2 | Paixão, João Antônio Recio da | |
| dc.contributor.referee2Lattes | http://lattes.cnpq.br/5705386762324718 | pt_BR |
| dc.creator | Leão, Eduardo Tavares | |
| dc.creator | Figueiredo, Rodrigo Carvalho de | |
| dc.date.accessioned | 2023-03-02T17:56:23Z | |
| dc.date.available | 2026-05-16T03:07:53Z | |
| dc.date.issued | 2022-08-29 | |
| dc.description.resumo | 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. | pt_BR |
| dc.embargo.terms | aberto | pt_BR |
| dc.identifier.uri | http://hdl.handle.net/11422/19797 | |
| dc.language | por | pt_BR |
| dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.publisher.department | Instituto de Computação | pt_BR |
| dc.publisher.initials | UFRJ | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject | inteligência artificial | pt_BR |
| dc.subject | aprendizado de máquina | pt_BR |
| dc.subject | redes neurais | pt_BR |
| dc.subject | modelos generativos | pt_BR |
| dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
| dc.title | Um estudo comparativo sobre redes adversárias generativas | pt_BR |
| dc.type | Trabalho de conclusão de graduação | pt_BR |