Estudo empírico do aprendizado de redes neurais artificiais com base no princípio do gargalo da informação

Página do item simplificado
dc.contributor.advisor1TEIXEIRA, Otávio Noura
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5784356232477760
dc.creatorBARROSO, Thiago Vinicius de Sousa
dc.creator.Latteshttp://lattes.cnpq.br/6215481017441499
dc.date.accessioned2025-10-01T13:03:26Z
dc.date.available2025-10-01T13:03:26Z
dc.date.issued2025-09-15
dc.description.abstractThis work examines the behavior of internal representations in Artificial Neural Networks, utilizing information-based techniques. This approach assumes that, during the training process, the model progressively absorbs and compresses information from the input of the data while simultaneously becoming proficient in processing the output, preserving only its relevant aspects. Experiments were conducted with Multilayer Perceptron (MLP) and Convolutional Neural Networks (CNN) models using two distinct datasets. The results reinforce the expected behaviors. Thus, this study contributes to the theoretical understanding of the internal working of deep neural networks, offering insights to make their process more transparent.
dc.description.resumoEste trabalho estuda o comportamento das representações internas de Redes Neurais Artificiais utilizando técnicas baseadas em informação. Essa abordagem considera que, durante o processo de treinamento, o modelo absorve e comprime progressivamente a informação dos dados de entrada ao mesmo tempo que se torna competente em processar a saída, preservando apenas seus aspectos relevantes. Foram conduzidos experimentos com modelos do tipo Multilayer Perceptron (MLP) e Convolutional Neural Networks (CNN) utilizando dois conjuntos de dados distintos. Os resultados reforçam os comportamentos esperados. Assim, este estudo contribui para o entendimento teórico do funcionamento interno de redes neurais profundas, oferecendo subsídios para tornar seus processos mais transparentes.
dc.identifier.citationBARROSO, Thiago Vinicius de Sousa. Estudo empírico do aprendizado de redes neurais artificiais com base no princípio do gargalo da informação. Orientador: Otávio Noura Teixeira. 2025. [24] f. Trabalho de Curso (Bacharelado em Engenharia da Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2025. Disponível em: https://bdm.ufpa.br/handle/prefix/8648. Acesso em:.
dc.identifier.urihttps://bdm.ufpa.br/handle/prefix/8648
dc.rightsAcesso Abertopt_BR
dc.rights.licenseAttribution-NonCommercial-NoDerivs 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.source.uriDisponível na internet via Sagittapt_BR
dc.subjectRedes neurais artificiais
dc.subjectGargalo da informação
dc.subjectArtificial neural networks
dc.subject.cnpqCNPQ::ENGENHARIAS
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO
dc.titleEstudo empírico do aprendizado de redes neurais artificiais com base no princípio do gargalo da informação
dc.typeTrabalho de Curso - Graduação - Artigo

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TC_Artigo_EstudoEmpiricoAprendizado.pdf
Tamanho:
1.98 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia da Computação - FECOMP/CAMTUC
Logo do RepositórioLogo do Repositório