Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/34458
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2021_ArthurVaz_RayssaCardoso_tcc.pdfTrabalho de Conclusão de Curso 3,18 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorNery, Alexandre Solon-
dc.contributor.authorVaz, Arthur Costa de Lisbôa-
dc.contributor.authorCardoso, Rayssa Moreira-
dc.identifier.citationVAZ, Arthur Costa de Lisbôa; CARDOSO, Rayssa Moreira. Uma arquitetura descentralizada para redes neurais artificiais sem peso. 2021. 66 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Redes de Comunicação) — Universidade de Brasília, Brasília, 2021.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2021.pt_BR
dc.description.abstractÉ cada vez mais frequente a necessidade de solucionar situações onde um modelo matemático simples é incapaz de modelar o problema. Os avanços tecnológicos na última década, em especial o aumento do poder computacional e volume de dados disponíveis, possibilitaram a popularização do uso de técnicas de aprendizado de máquina e inteligência artificial como alternativa para resolver esse desafio. Entre as técnicas que ganharam destaque estão as Redes Neurais Artificiais, modelo computacional que se baseia vagamente no funcionamento do cérebro humano. Nesse tipo de modelo, o conhecimento é adquirido por meio do ajuste de pesos sinápticos entre os diversos neurônios da rede. Geralmente, esse processo utiliza uma grande quantidade de operações matemáticas como somas e multiplicações. Essa técnica é muito poderosa, mas traz algumas desvantagens importantes: a exigência de grande poder computacional e treinamento lento. Em contraponto, o modelo abordado nesse trabalho, as Redes Neurais Artificiais sem Peso, não precisam ajustar os pesos sinápticos e todo conhecimento fica armazenado em memórias RAM. Dessa maneira, a aprendizagem do modelo consiste em realizar operações de leitura e escrita, tornando o processo menos custoso computacionalmente e mais rápido. Além disso, esse trabalho propõe uma arquitetura descentralizada para implementação de uma Rede Neural Artificial sem Pesos. Na arquitetura apresentada, os componentes do modelo são distribuídos em uma rede de computadores e atuam como servidores que prestam serviços. Assim, é possível expandir as funcionalidades da rede possibilitando a realização de aprendizado federado em paralelo, elevada robustez e paralelização do processamento. Com a arquitetura proposta, o tempo de treinamento caiu em até 27% e com a falha de alguns componentes a acurácia do modelo caiu apenas parcialmente.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordInteligência artificialpt_BR
dc.subject.keywordAprendizado de máquinapt_BR
dc.subject.keywordRedes neurais (Computação)pt_BR
dc.titleUma arquitetura descentralizada para redes neurais artificiais sem pesopt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2023-04-05T14:20:38Z-
dc.date.available2023-04-05T14:20:38Z-
dc.date.submitted2021-05-
dc.identifier.urihttps://bdm.unb.br/handle/10483/34458-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The need to solve situations where a simple mathematical model is unable to model the problem is becoming more and more frequent. Technological advances in the last decade, in particular the increase in computing power and the volume of data available, made it possible to use machine learning and artificial intelligence tehniques to solve this challenge. Among the technologies that have gained prominence are Artificial Neural Networks, a com putational model that is based loosely on the workings of the human brain. In this type of model, knowledge is acquired by adjusting synaptic weights between the different neurons in the network. This process generally uses a large number of mathematical operations such as sums and multipli cations. This technique is very powerful, but it has some important drawbacks: the requirement of great computational power and slow training. In contrast, the model addressed in this document, Weightless Artificial Neural Networks, does not need to adjust synaptic weights and all knowledge stored in RAM memories. Thus, the learning of the model consists of performing reading and writing operations, making the process less computationally expensive and faster. In addition, this work proposes a decentralized architecture for implementing a Weightless Arti ficial Neural Networks. In the proposed architecture, the components of the model are distributed in a computer network and act as servers providing services. Thus, it is possible to expand the network’s functionalities, enabling federated learning, high robustness and parallel processing.pt_BR
Aparece na Coleção:Engenharia de Redes de Comunicação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.