Rede neural para predição de acurácia usando hiperparâmetros de redes neurais
Visualizar/ Abrir
Data
2024-08-05Autor
Krever, Henrique Liesenfeld
Metadata
Mostrar registro completoResumo
Este trabalho apresenta uma abordagem para a predição da acurácia de redes neurais utilizando uma rede neural secundária, denominada Matrix, que prevê o desempenho de redes baseando-se em seus hiperparâmetros. Para construir e treinar a rede Matrix, utilizam-se a otimização Bayesiana para gerar um conjunto de dados robusto e diversificado de hiperparâmetros e suas respectivas acurácias. A otimização Bayesiana foi escolhida por sua eficiência em explorar o espaço dos hiperparâmetros de forma sistemática e eficaz, permitindo a criação de um dataset representativo do espaço de busca. A rede Matrix foi então treinada com este dataset, aprendendo a mapear diretamente os hiperparâmetros para as acurácias preditas. Resultados experimentais demonstram que a rede Matrix é capaz de prever a acurácia das redes neurais com precisão de 96%, tendo um RMSE de 0,04 em fase de testes, sendo assim uma ferramenta útil para a seleção de hiperparâmetros em cenários onde a avaliação direta do desempenho do modelo é custosa. Este trabalho contribui significativamente para o campo de otimização de hiperparâmetros, oferecendo uma abordagem eficiente e para prever o desempenho de redes neurais.
Coleções
Os arquivos de licença a seguir estão associados a este item: