Auto RNA: desenvolvimento automático de redes neurais artificiais utilizando algoritmos genéticos (2025)
- Authors:
- Autor USP: ITANO, FERNANDO - EP
- Unidade: EP
- Sigla do Departamento: PSI
- Subjects: REDES NEURAIS; ALGORITMOS GENÉTICOS
- Language: Português
- Abstract: As Redes Neurais Artificiais (RNAs), com sua reconhecida capacidade de aprender e adaptar-se a dados não lineares e de alta dimensionalidade, têm impulsionado uma revolução tecnológica em diversas áreas, desde a detecção de fraudes em sistemas financeiros até o reconhecimento de padrões em imagens e a criação de modelos generativos para aprimorar a interação humano-máquina, como exemplificado pelo serviço ChatGPT oferecido pela empresa OpenAI e o Gemini do Google. No entanto, o desempenho ótimo das RNAs depende crucialmente da definição adequada de seus hiperparâmetros, um processo que ainda é frequentemente realizado de forma manual ou empírica, limitando o potencial dessas redes. Neste contexto, este trabalho propõe um método diferenciado para o desenvolvimento automático de RNAs dos tipos convolucional (CNN Convolutional Neural Networks), recorrentes LSTM (Long-short term memory) e totalmente conectadas (FCNN Fully connected neural networks) utilizando algoritmos genéticos (AG) com uma representação cromossômica híbrida e considerando uma gama mais ampla de hiperparâmetros no processo evolutivo em comparação com métodos existentes. O método proposto visa não apenas facilitar a obtenção de bons resultados de forma automática, mas também permitir a personalização de suas configurações por especialistas em RNAs, potencializando ainda mais seu desempenho. Os resultados demonstram que o método apresentado desenvolveu RNAs com desempenho superior ao de métodos similares, obtendo reduções de até 87% no RMSE (Root Mean Squared Error). As análises de correlação demonstraram que a relevância dos hiperparâmetros varia entre os conjuntos de dados. Ainda assim, o otimizador manteve-se consistente como fator relevante em todos eles. Por fim, a exploração dasconfigurações do AG mostrou que os valores das probabilidades de combinação e mutação definidas inicialmente foram as que produziram os melhores resultados. Por outro lado, a redução no tamanho da população produziu melhores resultados em dois dos quatro conjuntos de dados analisados.
- Imprenta:
- Data da defesa: 17.04.2025
-
ABNT
ITANO, Fernando. Auto RNA: desenvolvimento automático de redes neurais artificiais utilizando algoritmos genéticos. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-08082025-102430/pt-br.php. Acesso em: 07 mar. 2026. -
APA
Itano, F. (2025). Auto RNA: desenvolvimento automático de redes neurais artificiais utilizando algoritmos genéticos (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3142/tde-08082025-102430/pt-br.php -
NLM
Itano F. Auto RNA: desenvolvimento automático de redes neurais artificiais utilizando algoritmos genéticos [Internet]. 2025 ;[citado 2026 mar. 07 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-08082025-102430/pt-br.php -
Vancouver
Itano F. Auto RNA: desenvolvimento automático de redes neurais artificiais utilizando algoritmos genéticos [Internet]. 2025 ;[citado 2026 mar. 07 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-08082025-102430/pt-br.php - Relatório de análise estatística sobre o projeto Estudo epidemiológico dos transtornos psiquiátricos na região metropolitana de São Paulo: utilização de serviços de saúde e medicamentos
- Relatório de análise estatística sobre o projeto "avaliação das funções executivas em crianças com epilepsia de lobo-temporal"
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
