The recent field of deep learning has introduced to Machine Learning new meth- ods based on distributed abstract representations of the training data throughout hierarchical structures.
O recente campo de deep learning introduziu a área de Aprendizagem de Máquina novos métodos baseados em representações distribuídas e abstratas dos dados de treinamento ao longo de estruturas hierárquicas.
In view of the above, the objective of this work is to characterize, in a preliminary way, a scientific production that addresses a relation between the use of Machine Learning and deep learning for classification and recognition of components in the industry of the period between 20,8 and 20,8.
Diante do exposto, o objetivo deste trabalho é caracterizar, de maneira preliminar, a produção cientifica que aborda a relação entre o uso de Machine Learning e deep learning para a classificação e reconhecimento de componentes na indústria no período entre 20,8 e 20,8.
The objective of this project is to use deep learning techniques to develop a software with the ability to segment images, detecting candidate characters and generating textthatisinthepicture.
O objetivo desse projeto é usar aprendizagem profunda, também conhecido por aprendizado hierárquico ou deep learning para o desenvolvimento de uma aplicação com a habilidade de detectar áreas candidatas, segmentar esses espaços dan imagem e gerar o texto contido na figura.
deep learning (DL) for visual tasks usually involves seamlessly learning every step of this process, from feature extraction to label assignment.
Aprendizado Profundo (AP) para tarefas visuais geralmente envolve o aprendizado de todos os passos deste processo, da extração de características até a atribuição de rótulos.
in this module, a gesture recognition system based on a deep learning architecture is proposed.
neste módulo, é proposto um sistema de reconhecimento de gestos com base em uma arquitetura de aprendizagem profunda.
Recent work analyzes that these deep learning architectures can extract relevant information from images aiming for improvements in the classifications of other classifiers that will later use the output vectors generated by these networks as training and test data.
Trabalhos recentes analisam que, essas arquiteturas de aprendizado profundo conseguem extrair informações relevantes de imagens visando melhorias nas classificações de outros classificadores que irão posteriormente, utilizar os vetores de saída gerados por essas redes como dados de treino e teste.
This work compares the accuracy of different neural network architectures that use deep learning for image recognition.
Este trabalho compara a acurácia de diferentes arquiteturas de redes neurais que utilizam o aprendizado profundo para o reconhecimento de imagens.
deep learning is a Machine Learning subarea that investigates techniques for simulating the behavior of the human brain.
O Aprendizado Profundo (Deep Learning) é uma subárea de Aprendizado de Máquina (Machine Learning), que investiga técnicas para simular o comportamento do cérebro humano.
deep learning (DL) is a type of machine learning that aims to train computers to perform human tasks and among its capabilities one has the possibility of applying regression.
Deep Learning (DL) é um tipo de aprendizado de máquina que visa treinar computadores para realização de tarefas humanas e dentre suas capacidades tem-se a possibilidade de se aplicar regressão.
The objectives of this study were: (1) to evaluate the deep learning. more specifically, the performance of convolutional neural networks (CNNs) in the semantic segmentation of digital images to estimate the severity of diseases and leaf pests; and (2) to investigate the factors affecting the performance of CNN models in the semantic segmentation of digital images.
Os objetivos deste estudo foram: (1) avaliar o aprendizado profundo, mais especificamente, as redes neurais convolucionais (CNNs) na segmentação semântica de imagens digitais para estimativa de severidade de doenças e pragas foliares; e (2) investigar os fatores que afetam os desempenhos dos modelos de CNNs na segmentação semântica de imagens digitais.
The present work has as finality the use of deep learning. specifically the technique of artificial convolutional neural networks, for an autonomous navigation system, which receives images of the environment and defines the drive direction.
O presente trabalho tem como finalidade o emprego do deep learning, especificamente a técnica de redes neurais artificiais convolutivas, para um sistema de navegação autônoma que recebe imagens do ambiente e define a direção de condução.
Given this problem, artificial intelligence has been playing a major role in the segmentation of images for different purposes in recent years and, taking advantage of these tools, this work proposed to create a deep learning model, through U-Net architecture, for classification of land use and occupation.
Dado essa problemática, nos últimos anos a inteligência artificial vem ganhando grande papel na segmentação de imagens para diferentes fins e, aproveitando dessas ferramentas, este trabalho propôs criar um modelo de aprendizado profundo, através de arquitetura U-Net, para classificação de uso e ocupação de solo.
in this module it is proposed a vehicle recognition method for color images based on a Multilayer Perceptron neural network pre-trained through deep learning techniques (one technique composed by Deep Boltzmann Machines and bilinear projections and the other composed by Multinomial Deep Boltzmann Machines and bilinear projections).
neste módulo é proposto um método para reconhecer veículos em imagens coloridas baseado em uma rede neural Perceptron Multicamadas pré-treinada por meio de técnicas de aprendizado em profundidade, sendo uma das técnicas composta por Máquinas de Boltzmann Profundas e projeção bilinear e a outra composta por Máquinas de Boltzmann Profundas Multinomiais e projeção bilinear.
One way to achieve this is through the use of deep learning.
Uma forma de se conseguir isso é a partir do uso de aprendizado profundo.
...We calculate the efficiency of using conventional and deep learning neural networks in relation to the use of regression to project diameter (DBH), total height (TH), and survival (S) in eucalyptus stands. The data were from permanent plots of continuous forest inventories of eucalyptus stands located in Minas Gerais. We used the software Statistica 12 for data processing using regressions and conventional neu...
...Neste estudo avaliamos a eficiência do emprego de redes neurais, convencionais e profundas (deep learning), em relação ao emprego de regressão, para projetar diâmetro (dap), altura total (Ht) e sobrevivência (N) em povoamentos de eucalipto. O estudo foi conduzido com dados de parcelas permanentes de inventários florestais contínuos de povoamentos de eucalipto localizados no estado de Minas Gerais. Para o processamento dos dados com uso de regressões e redes neurais convencionais utilizamos o softwar...
...g through the analysis of patterns and behavior of the data flow in the network. This paper presents an extension to the distributed large data flow detection and analysis platform through the use of deep learning to reduce the feature space. The evaluation of the system is based on accuracy, number of false positives and false negatives, where each classifier presented better accuracy using 5 and 13 attribute...
...mportamento do fluxo de dados na rede. Este trabalho apresenta uma extensão para a plataforma distribuída de detecção e análise de dados em grande fluxo, através do uso de deep learning para redução do espaço de características. A avaliação do sistema se baseia através da acurácia, do número de falsos positivos e de falsos negativos, onde cada classificador apresentou melhor acurácia ao utilizar 5 e 13 atributos. Ainda, o sistema apresentou menor número de falsos positivos e negativos, permi...
...ming different types of classification with good precision. This work aimed to develop an approach that uses artificial neural networks, more specifically models based on architectures related to the deep learning. for the task of polarity classification of hotel reviews written in Portuguese. Two convolutional neural network models were developed to perform the task of classifying polarities. The first consis...
...ão com boa precisão. Tivemos como objetivo principal deste trabalho o desenvolvimento de modelo que utilize redes neurais artificiais, mais especificamente modelos baseados nas arquiteturas relacionadas com o aprendizado profundo, para a tarefa de classificação de polaridade de avaliações de hotéis escritas em Língua Portuguesa. Dois modelos de redes neurais convolucionais foram desenvolvidos para realizar a tarefa de classificação de polaridades. O primeiro consistiu em uma rede convolucional que ...
...e to its wide range of applications, such as video surveillance, access control, online transactions, suspect identification, etc. The recent progress in face recognition systems motivates the use of deep learning techniques and user-specific face representation and classification models for unconstrained scenarios, which present considerable variations in pose, face appearance, illumination, etc. Automatic fa...
...do à gama de possíveis aplicações, tais como vigilância, controle de acesso, etc. O recente progresso em tais sistemas motiva o uso de técnicas de aprendizado em profundidade e classificadores específicos para cada usuário em cenários de operação não-controlado, que apresentam variações consideráveis em pose, iluminação, etc. Sistemas automáticos de reconhecimento de faces possibilitam construir bases de imagens anotadas por meio do processo de cadastramento de novos usuários. Porém, à m...
...Artificial intelligence (AI) is the use of computational models to solve problems with minimum of human intervention. In medicine AI is represented mainly by what is called machine learning or deep learning when computational algorithms learn through experience. Some areas of medicine are already being impacted by this transformation, such as radiology, pathology and dermatology. One promising area is the diag...
... é o uso de modelos computacionais para solucionar problemas com o mínimo de intervenção humana. Na medicina a IA é representada principalmente pelo que se denomina de Machine learning (aprendizado de máquina) ou deep learning, ou seja, algoritimos computacionais que aprendem através da experiência. Algumas áreas na medicina já estão sendo impactadas por essa transformação, tais como radiologia, patologia e dermatologia. Uma área promissora é do diagnóstico de melanoma em imagens de lesões d...
Inglês
Português
Resultados da busca para 
