Adaptação do WGAN ao processo estocástico

Simple item page
dc.contributor.advisor1Wyzykowski, André Brasil Vieira
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/pt_BR
dc.contributor.referee1Pereira, Mário Jorge Pereira
dc.contributor.referee1Latteshttp://lattes.cnpq.br/pt_BR
dc.contributor.referee2Reis, Marcelo Índio dos
dc.contributor.referee2Latteshttp://lattes.cnpq.br/pt_BR
dc.creatorAquino, Rafael Rembrandt
dc.creator.Latteshttp://lattes.cnpq.br/pt_BR
dc.date.accessioned2020-09-30T19:14:15Z
dc.date.available2020-09-30
dc.date.available2020-09-30T19:14:15Z
dc.date.issued2020-09-30
dc.description.abstractWithin different areas of knowledge, data (different types of information) are valuable and their analysis is even more valuable. Then, associating the area of artificial intelligence, a new trend is observed, the generation of synthetic data to fill the lack of data. Therefore, analyzing current contexts, this work aims to demonstrate the use of techniques based on random events to optimize the result in the execution of algorithms based on GAN (Generative adversarial networks) and through a validation through the calculating the FID (Frechet Inception Distance) it was possible to analyze the results, determining the quality of the data generated by the proposed algorithm compared to WGAN.pt_BR
dc.description.resumoDentro de diversas áreas do conhecimento, os dados (diversos tipos de informações) são valiosos e a sua análise é mais valiosa ainda. Então, associando a área da inteligência artificial, observa-se uma nova moda, a geração de dados sintéticos para suprir a falta de dados. Sendo assim, analisando contextos atuais, esse trabalho tem como objetivo demonstrar a utilização de técnicas baseadas em eventos aleatórios para a otimização do resultado na execução de algoritmos baseados em GAN (Generative adversarial networks) e através de uma validação por meio do cálculo do FID (Frechet Inception Distance) foi possível analisar os resultados, determinando a qualidade dos dados gerados pelo algoritmo proposto em comparação a WGAN.pt_BR
dc.identifier.urihttps://ri.ucsal.br/handle/prefix/1787
dc.languageporpt_BR
dc.publisherUniversidade Católica do Salvadorpt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentPró-Reitoria de Graduação (PROGRAD)pt_BR
dc.publisher.initialsUCSALpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectGANpt_BR
dc.subjectEstocásticopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectOtimizaçãopt_BR
dc.subjectComputaçãopt_BR
dc.subjectStochasticpt_BR
dc.subjectArtificial intelligencept_BR
dc.subjectOptimizationpt_BR
dc.subjectComputationpt_BR
dc.subject.cnpqEngenhariaspt_BR
dc.subject.cnpqEngenharia de Softwarept_BR
dc.titleAdaptação do WGAN ao processo estocásticopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
TCCRAFAELAQUINO.pdf
Size:
1.33 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.82 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Engenharia de Software