dc.contributor.advisor | Guerra, Rodrigo da Silva | |
dc.creator | Rossatto, Marcelo Cargnelutti | |
dc.date.accessioned | 2023-02-15T12:51:00Z | |
dc.date.available | 2023-02-15T12:51:00Z | |
dc.date.issued | 2018-08-10 | |
dc.date.submitted | 2018 | |
dc.identifier.citation | ROSSATTO, M. C. L. Redes neurais recorrentes lstm e suas aplicações. 2018. 94 p.
Trabalho de Conclusão de Curso (Graduação em Educação Engenharia de Controle e Automação) - Universidade Federal de Santa Maria, Santa Maria, RS, 2018. | por |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/27819 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Arquitetura, RS, 2018. | por |
dc.description.abstract | The objective of this work is to review the Long Short-Term Memory (LSTM) artificial neural network model and its application in different activities, in order to evaluate its versatility. Four activities are presented, one of which is the recognition and classification of digits in real time and other three of data generation, namely: production of text fragments, prediction of pollution indexes and realization of movements in the Pong game. Four models of the LSTM recurrent neural network were developed, being implemented in Python and trained through the algorithm of backpropagation through time. The network proved to be robust in all proposed scenarios and extremely flexible, since few adaptations were necessary in the neural network model to be applied to a different application. Based on the obtained
results, it can be concluded that there is a great potential of use of the network in several applications. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Deep Learning | por |
dc.subject | LSTM | por |
dc.subject | Redes Neurais Recorrentes | por |
dc.subject | Deep Learning | eng |
dc.subject | LSTM | eng |
dc.subject | Recurrent Neural Networks | eng |
dc.title | Redes neurais recorrentes lstm e suas aplicações | por |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil | por |
dc.degree.graduation | Engenharia de Controle e Automação | por |
dc.description.resumo | O objetivo deste trabalho é a revisão do modelo de rede neural artificial Long Short-Term Memory (LSTM) e a sua aplicação em diferentes atividades, com o intuito de avaliar sua versatilidade. São apresentados quatro estudos de caso, sendo um de reconhecimento e classificação de dígitos em tempo real e outros três de geração de dados, a saber: produção de fragmentos de texto, previsão de índices de poluição e realização de movimentos no jogo Pong. Foram desenvolvidos quatro modelos de rede neural recorrente LSTM, sendo implementadas em Python e treinadas por meio do algoritmo de backpropagation through time. A rede mostrou-se robusta em todas as atividades propostas e extremamente flexível, uma vez que eram necessárias poucas adaptações no modelo da rede neural para realizar uma aplicação diferente. Com base nos resultados obtidos, pode-se concluir que
há um grande potencial de utilização da rede em diversas aplicações. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
dc.publisher.unidade | Centro de Tecnologia | por |