AutoML multiobjetivo, uma abordagem sob a perspectiva da Fronteira de Pareto.

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.