Redes neurais profundas: análise estatística

Detalhes bibliográficos
Autor(a) principal: Araújo, Víctor Emanuel Rocha
Data de Publicação: 2025
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFAM
Texto Completo: http://riu.ufam.edu.br/handle/prefix/8750
Resumo: Deep neural networks have stood out as an efficient approach to solving complex problems in various fields of knowledge, including artificial intelligence, image processing, and statistical modeling. Based on the concept of complex networks, these computational structures utilize connections between multiple layers of neurons to extract patterns and make inferences from data. This study aims to conduct a statistical analysis of deep neural networks, evaluating their structural and dynamic properties based on mathematical metrics and complex network models. To this end, a Python program was developed to model artificial neural networks, allowing the investigation of the influence of synaptic weight variation and network topology on their statistical characteristics. The results obtained indicate the importance of balancing network depth and parameter configuration to achieve optimal performance.
id UFAM-1_873c00f1d656ff682bf31b907892c31a
oai_identifier_str oai:localhost:prefix/8750
network_acronym_str UFAM-1
network_name_str Repositório Institucional da UFAM
repository_id_str
spelling Redes neurais profundas: análise estatísticaRedes NeuraisRedes complexasAnálise estatísticaModelagem computacionalOtimização de desempenhoNeural networksComplex networksStatistical analysisComputational modelingPerformance optimizationCIENCIAS EXATAS E DA TERRA: FISICA..Deep neural networks have stood out as an efficient approach to solving complex problems in various fields of knowledge, including artificial intelligence, image processing, and statistical modeling. Based on the concept of complex networks, these computational structures utilize connections between multiple layers of neurons to extract patterns and make inferences from data. This study aims to conduct a statistical analysis of deep neural networks, evaluating their structural and dynamic properties based on mathematical metrics and complex network models. To this end, a Python program was developed to model artificial neural networks, allowing the investigation of the influence of synaptic weight variation and network topology on their statistical characteristics. The results obtained indicate the importance of balancing network depth and parameter configuration to achieve optimal performance.As redes neurais profundas têm se destacado como uma abordagem eficiente para a resolução de problemas complexos em diversas áreas do conhecimento, incluindo inteligência artificial, processamento de imagens e modelagem estatística. Fundamentadas no conceito de redes complexas, essas estruturas computacionais utilizam conexões entre múltiplas camadas de neurônios para extrair padrões e realizar inferências sobre dados. Este trabalho busca realizar uma análise estatística das redes neurais profundas, avaliando suas propriedades estruturais e dinâmicas com base em métricas matemáticas e modelos de redes complexas. Para isso, foi desenvolvido um programa em Python capaz de modelar redes neurais artificiais, permitindo a investigação da influência da variação dos pesos sinápticos e da topologia da rede em suas características estatísticas. Os resultados obtidos indicam a importância do equilíbrio entre a profundidade da rede e a configuração de seus parâmetros para a otimização de seu desempenho.3NãoBrasilICE - Instituto de Ciências ExatasManaus (AM)Física - Bacharelado - ManausGaliceanu, Mircea Danielhttp://lattes.cnpq.br/8251039594746344Rodriguez Salmon, Octavio DanielMendes, Carlos Fábio de Oliveiramircea@ufam.edu.brAraújo, Víctor Emanuel Rocha2025-03-06T01:39:33Z2025-03-06T01:39:33Z2025-02-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://riu.ufam.edu.br/handle/prefix/8750porhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2025-03-10T21:09:45Zoai:localhost:prefix/8750Repositório InstitucionalPUBhttp://riu.ufam.edu.br/oai/requestopendoar:2025-03-10T21:09:45Repositório Institucional da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Redes neurais profundas: análise estatística
title Redes neurais profundas: análise estatística
spellingShingle Redes neurais profundas: análise estatística
Araújo, Víctor Emanuel Rocha
Redes Neurais
Redes complexas
Análise estatística
Modelagem computacional
Otimização de desempenho
Neural networks
Complex networks
Statistical analysis
Computational modeling
Performance optimization
CIENCIAS EXATAS E DA TERRA: FISICA
.
.
title_short Redes neurais profundas: análise estatística
title_full Redes neurais profundas: análise estatística
title_fullStr Redes neurais profundas: análise estatística
title_full_unstemmed Redes neurais profundas: análise estatística
title_sort Redes neurais profundas: análise estatística
author Araújo, Víctor Emanuel Rocha
author_facet Araújo, Víctor Emanuel Rocha
author_role author
dc.contributor.none.fl_str_mv Galiceanu, Mircea Daniel
http://lattes.cnpq.br/8251039594746344
Rodriguez Salmon, Octavio Daniel
Mendes, Carlos Fábio de Oliveira
mircea@ufam.edu.br
dc.contributor.author.fl_str_mv Araújo, Víctor Emanuel Rocha
dc.subject.por.fl_str_mv Redes Neurais
Redes complexas
Análise estatística
Modelagem computacional
Otimização de desempenho
Neural networks
Complex networks
Statistical analysis
Computational modeling
Performance optimization
CIENCIAS EXATAS E DA TERRA: FISICA
.
.
topic Redes Neurais
Redes complexas
Análise estatística
Modelagem computacional
Otimização de desempenho
Neural networks
Complex networks
Statistical analysis
Computational modeling
Performance optimization
CIENCIAS EXATAS E DA TERRA: FISICA
.
.
description Deep neural networks have stood out as an efficient approach to solving complex problems in various fields of knowledge, including artificial intelligence, image processing, and statistical modeling. Based on the concept of complex networks, these computational structures utilize connections between multiple layers of neurons to extract patterns and make inferences from data. This study aims to conduct a statistical analysis of deep neural networks, evaluating their structural and dynamic properties based on mathematical metrics and complex network models. To this end, a Python program was developed to model artificial neural networks, allowing the investigation of the influence of synaptic weight variation and network topology on their statistical characteristics. The results obtained indicate the importance of balancing network depth and parameter configuration to achieve optimal performance.
publishDate 2025
dc.date.none.fl_str_mv 2025-03-06T01:39:33Z
2025-03-06T01:39:33Z
2025-02-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://riu.ufam.edu.br/handle/prefix/8750
url http://riu.ufam.edu.br/handle/prefix/8750
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Brasil
ICE - Instituto de Ciências Exatas
Manaus (AM)
Física - Bacharelado - Manaus
publisher.none.fl_str_mv Brasil
ICE - Instituto de Ciências Exatas
Manaus (AM)
Física - Bacharelado - Manaus
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Repositório Institucional da UFAM
collection Repositório Institucional da UFAM
repository.name.fl_str_mv Repositório Institucional da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv
_version_ 1827784321397686272

Registros relacionados