skip to main content
Visitante
Meu Espaço
Minha Conta
Sair
Identificação
This feature requires javascript
Tags
Revistas Eletrônicas (eJournals)
Livros Eletrônicos (eBooks)
Bases de Dados
Bibliotecas USP
Ajuda
Ajuda
Idioma:
Inglês
Espanhol
Português
This feature required javascript
This feature requires javascript
Primo Search
Busca Geral
Busca Geral
Acervo Físico
Acervo Físico
Produção Intelectual da USP
Produção USP
Search For:
Clear Search Box
Search in:
Busca Geral
Or hit Enter to replace search target
Or select another collection:
Search in:
Busca Geral
Busca Avançada
Busca por Índices
This feature requires javascript
This feature requires javascript
Aprendizado de representações e caracterização de redes complexas com aplicações em visão computacional
Ribas, Lucas Correia
Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação 2021-11-22
Acesso online
Exibir Online
Detalhes
Resenhas & Tags
Mais Opções
This feature requires javascript
Enviar para
Adicionar ao Meu Espaço
Remover do Meu Espaço
E-mail (máximo 30 registros por vez)
Imprimir
Link permanente
Referência
EasyBib
EndNote
RefWorks
del.icio.us
Exportar RIS
Exportar BibTeX
This feature requires javascript
Título:
Aprendizado de representações e caracterização de redes complexas com aplicações em visão computacional
Autor:
Ribas, Lucas Correia
Orientador:
Bruno
, Odemir Martinez
Assuntos:
Aprendizado De Máquina
;
Redes Neurais Artificiais
;
Redes Complexas
;
Reconhecimento De Padrões
;
Visão Computacional
;
Machine Learning
;
Computer Vision
;
Complex Networks
;
Artificial Neural Networks
;
Pattern Recognition
Notas:
Tese (Doutorado)
Descrição:
As redes complexas têm sido utilizadas como ferramenta de estudo em diversas áreas da ciência devido ao seu carácter multidisciplinar e perspectiva inovadora em relação à análise de dados tradicional. Em visão computacional, diversas abordagens baseadas em redes complexas foram propostas ao longo dos últimos anos com resultados promissores. Tal sucesso é explicado pela capacidade de modelar e quantificar a complexidade presente em muitas imagens, principalmente das advindas da natureza que possui um comportamento não linear. Embora os resultados sejam promissores, técnicas de modelagem otimizadas e métodos de caracterização mais robustos para descrever a complexidade da topologia das redes são necessários. Este trabalho tem como objetivo investigar e propor novas técnicas de modelagem e caracterização de redes complexas focando na aplicação em problemas de visão computacional. Especificamente, foram investigados problemas clássicos de análise de imagens e vídeos: análise de texturas (em níveis de cinza, coloridas e dinâmicas) e formas. Em relação à modelagem, foi estudada uma abordagem eficaz e otimizada para mapear as imagens e vídeos de texturas em redes complexas direcionadas. A respeito da caracterização, com base em métricas clássicas e autômatos celulares, foram propostas duas melhorias: (i) padrões binários em autômatos de rede (LLNA-BP) para caracterização de redes complexas e (ii) redes de transformada da distância para análise de formas. Além disso, foi investigado o aprendizado de representações usando redes neurais randomizadas (RNNs); uma arquitetura simples e com rápido algoritmo de aprendizado. Nesse sentido, como nova forma de caracterização, foram propostas representações formadas pelos pesos da camada de saída de RNNs treinadas com características topológicas de redes complexas. Ao combinar as técnicas desenvolvidas de modelagem e de aprendizado de representações, vários métodos foram propostos para análise de texturas em níveis de cinza, coloridas e dinâmicas e análise de formas. Resultados promissores foram alcançados pelos métodos desenvolvidos em comparação aos métodos da literatura em tarefas de classificação usando vários conjuntos de dados que são referência. Adicionalmente, para avaliar o potencial dos métodos desenvolvidos, foram investigadas cinco aplicações em problemas reais nas áreas de biologia, botânica, físicoquímica e medicina, alcançando resultados interessantes e contribuindo para o desenvolvimento destas áreas.
DOI:
10.11606/T.55.2021.tde-03032022-083354
Editor:
Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação
Data de criação/publicação:
2021-11-22
Formato:
Adobe PDF
Idioma:
Português
Links
Este item no Dedalus
Teses e Dissertações USP
Acesso ao doi
E-mail do autor
E-mail do orientador
This feature requires javascript
This feature requires javascript
Voltar para lista de resultados
Anterior
Resultado
3
Avançar
This feature requires javascript
Buscando em bases de dados remotas. Favor aguardar.
Buscando por
em
scope:(USP_VIDEOS),scope:("PRIMO"),scope:(USP_FISICO),scope:(USP_EREVISTAS),scope:(USP),scope:(USP_EBOOKS),scope:(USP_PRODUCAO),primo_central_multiple_fe
Mostrar o que foi encontrado até o momento
This feature requires javascript
This feature requires javascript