Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/6699
Title: AutoML multiobjetivo, uma abordagem sob a perspectiva da Fronteira de Pareto.
Authors: Matos, Jean Pieri Angelo de
metadata.dc.contributor.advisor: Medeiros, Talles Henrique de
metadata.dc.contributor.referee: Ribeiro, Eduardo da Silva
Torres, Luiz Carlos Bambirra
Medeiros, Talles Henrique de
Keywords: Algoritmos genéticos
Inteligência artificial
Redes neurais - computação
Sistemas de computação
Issue Date: 2024
Citation: MATOS, Jean Pieri Angelo de. AutoML multiobjetivo, uma abordagem sob a perspectiva da Fronteira de Pareto. 2024. 40 f. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2024.
Abstract: Este trabalho consiste no desenvolvimento de um algoritmo genético direcionado para a otimização de Redes Neurais Convolucionais (CNN) utilizando uma abordagem multiobjetivo. O intuito é alcançar um modelo final otimizado sem a necessidade de intervenção humana, visando democratizar o uso da IA para o público não especializado e torná-lo acessível também a indivíduos sem especialização específica. Os resultados obtidos em três experimentos distintos confirmaram a eficácia do algoritmo proposto. Através da análise criteriosa dos resultados, foi possível identificar e selecionar o melhor modelo conforme os objetivos estabelecidos. Essa abordagem permitiu não apenas a otimização dos modelos de Redes Neurais Convolucionais (CNN), mas também a validação da metodologia proposta. Esses resultados reforçam a viabilidade da utilização de um algoritmo genético em conjunto com a Fronteira de Pareto em conjunto e a Abordagem Lexicográfica e demonstra a capacidade de encontrar soluções ótimas em um espaço de busca complexo e multidimensional, reduzindo o espaço de busca na fronteira e eliminando soluções onde um objetivo prevalece de maneira significativa sobre o outro. Código disponível em https://github.com/jpamatos/multiobjective.
metadata.dc.description.abstracten: This work consists of the development of a genetic algorithm aimed at optimizing Convolutional Neural Networks (CNNs) using a multi-objective approach. The aim is to achieve an optimized final model without the need for human intervention, aiming to democratize the use of AI for the non-specialized public and also make it accessible to individuals without specific specialization. This approach allowed not only the optimization of CNNs models, but also the validation of the proposed methodology. These results reinforce the feasibility of using a genetic algorithm in conjunction with the Pareto Frontier and the Lexicographic Approach and demonstrate the ability to find optimal solutions in a complex and multidimensional search space, reducing the search space at the frontier and eliminating solutions where one objective significantly prevails over the other. Code available in https://github.com/jpamatos/multiobjective.
URI: http://www.monografias.ufop.br/handle/35400000/6699
metadata.dc.rights.license: Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1).
Appears in Collections:Engenharia de Computação - JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_AutomlMultiobjetivoAbordagem.pdf1,5 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.