Aprendizado de redes adversariais generativasUm estudo de caso
Tomaz Filho, Ademir
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Neste trabalho, visamos explorar o campo de aprendizado de máquina, especificamente através dos modelos adversariais generativos, desenvolvidos por Ian Goodfellow. Começamos com uma breve introdução às utilidades e possíveis aplicações desses modelos na geração de dados sintéticos. No segundo capítulo, destacamos as principais componentes desse modelo, estabelecendo conceitos e objetos da área de aprendizado de máquina. No terceiro capítulo, abordamos as principais dificuldades no treinamento dos modelos, impulsionadas pela complexidade de redes neurais profundas. Adiante, no quarto capítulo, evidenciamos a natureza empírica das GANs, explorando o conjunto de dados MNIST e ilustramos o processo de treinamento e resultados gerados pelo modelo, exemplificando a versatilidade e capacidade do modelo no aprendizado e reprodução de padrões complexos.
Ficha do documento
- Tipo
- Outro
- Ano
- 2023
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/35367
- Temas
- TecnologiaDados
Conteúdos relacionados
- OutroUm estudo sobre autoencoders variacionaisFundação Getulio Vargas · 2022
- DissertaçãoFast Object Localization via Neural NetworksFundação Getulio Vargas · 2024
- DissertaçãoRobust unlearning via randomly initialized distillationFundação Getulio Vargas · 2026
- DissertaçãoBalancing performance and explanation plausibilityFundação Getulio Vargas · 2024
