ID: 59180
Autoria:
Lídio Mauro Lima de Campos, Danilo Souza Duarte.
Fonte:
Revista Gestão & Tecnologia, v. 20, n. 3, p. 110-130, Julho-Setembro, 2020. 21 página(s).
Palavras-chave:
Classificação , Redes Neurais Artificiais , Tomada de Decisão
Tipo de documento: Artigo (Português)
Ver Resumo
Objetivo: O objetivo desta pesquisa é apresentar uma ferramenta que dê suporte ao processo de decisão para seleção de cultivares de vinho e avaliação de carros, por meio da utilização de RNAs multilayer perceptron, profundas e recorrentes. Metodologia/abordagem: Realizaram-se experimentos, com o uso de Redes Neurais (RNs), variando-se uma série de parâmetros de treinamento das mesmas, ao final dos mesmos comparam-se as acurácias das RNs e selecionam-se os modelos com maior acurácia. Originalidade/relevância: A originalidade da pesquisa diz respeito a utilização de RNs profundas para solução dos problemas de classificação, visto que melhor modelo de classificação é obtido pelo ajuste gradual dos parâmetros. A Proposta é relevante, pois permite classificar adequadamente cultivares de vinho e avaliar carros. Verificando-se a eficácia dos modelos e a melhor convergência, por meio do Modelo de Validação Cruzada Principais Resultados: Os resultados elencados indicam a eficiência da técnica, para ambos os problemas, haja vista que a capacidade de generalização das RNAs testadas para o dataset wine foi em média de 85,58% utilizando a arquitetura de 3 camadas, 86,58% para a rede profunda e 93,53% para a rede recorrente, e para o dataset car evaluation foi em média de 93,71% utilizando a rede recorrente. Contribuições teóricas/metodológicas: A pesquisa pode melhor evidenciar a capacidade de classificação de modelos de RNs profundas para fins de estimação adequada de parâmetros, de modelos baseados em inteligência artificial.