Otimização de hiperparâmetros de modelos machine learning com BarySearch. (2020)
- Authors:
- Autor USP: PELLICER, LUCAS FRANCISCO AMARAL OROSCO - EP
- Unidade: EP
- Sigla do Departamento: PTC
- Subjects: COMPUTAÇÃO EVOLUTIVA; HIBRIDIZAÇÃO; APRENDIZADO COMPUTACIONAL
- Language: Português
- Abstract: Obter bons desempenhos de modelos de aprendizado de máquina geralmente requer que os hiperparâmetros sejam ajustados. Entretanto, é complicado encontrar uma função matemática bem definida entre os valores do hiperparâmetro e o desempenho do modelo. A coleta de valores de desempenho do modelo é cara e ainda o comportamento das funções de desempenho tende a ser imprevisível, com muitas regiões de oscilação ou mesmo regiões descontínuas. Além disso os hiperparâmetros podem ser contínuos, discretos, categóricos ou condicionais, o que torna o problema de ajuste de hiperparâmetros complexo. Muitas técnicas foram desenvolvidas para solucionar esse problema. Neste trabalho, é apresentada a técnica BarySearch: um método livre de derivação com baixo custo computacional. Essa técnica apresenta um bom compromisso entre resultado e esforço de execução. O BarySearch utiliza do método do baricentro já utilizado em sintonização de controladores. O método apresenta características de convergências interessantes e pode comportar similar a um gradiente descendente ou métodos evolucionários sob suposições razoáveis.
- Imprenta:
- Data da defesa: 13.05.2020
-
ABNT
PELLICER, Lucas Francisco Amaral Orosco. Otimização de hiperparâmetros de modelos machine learning com BarySearch. 2020. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032021-163248/. Acesso em: 30 dez. 2025. -
APA
Pellicer, L. F. A. O. (2020). Otimização de hiperparâmetros de modelos machine learning com BarySearch. (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032021-163248/ -
NLM
Pellicer LFAO. Otimização de hiperparâmetros de modelos machine learning com BarySearch. [Internet]. 2020 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032021-163248/ -
Vancouver
Pellicer LFAO. Otimização de hiperparâmetros de modelos machine learning com BarySearch. [Internet]. 2020 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032021-163248/ - Text augmentation with key-to-text generation with large language models
- Improving zero-shot inference with unsupervised key-sentences extraction
- Data augmentation techniques in natural language processing
- PTT5-Paraphraser: diversity and meaning fidelity in automatic portuguese paraphrasing
- Efficient LLMs with AMP: attention heads and MLP pruning
- The BLue Amazon Brain (BLAB): a modular architecture of services about the Brazilian maritime territory
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
