Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/26027
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Braga, Eduardo Pacheco Carreiro | - |
dc.creator | Prates, Matheus Henrique do Amaral | - |
dc.date.accessioned | 2021-09-17T14:37:27Z | - |
dc.date.available | 2021-09-17T14:37:27Z | - |
dc.date.issued | 2020-12-03 | - |
dc.identifier.citation | BRAGA, Eduardo Pacheco Carreiro; PRATES, Matheus Henrique do Amaral. Desenvolvimento de um framework de redes neurais com interface gráfica. 2020. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/26027 | - |
dc.description.abstract | Driven by advances in device hardware and equipment such as Internet of Things technologies, the amount of information generated and the interaction with computers have grown strongly in recent decades. As a result, interest in AM became increasingly greater. Therefore, the space for the development of tools that facilitate the application of artificial neural networks becomes increasingly larger. However, existing tools often do not have a pleasant and simple to use interface, especially for less experienced users. For that, this work aims to present the development of a graphical tool called framework for modeling the artificial neural network Multilayer Perceptron, developed in the programming language python. This software aims to provide the user with an intuitive experience, with easy extraction of information from compatible databases such as Microsoft Excel (.xlsx), Matlab (.mat), Text file (.txt) and Values Separated by Commas (.csv). The data once entered may be pre-treated using the normalization, seasonally adjusted and distributed coding methods. In this way, users with little experience in artificial neural networks can develop trained models and visualize the results graphically. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.subject | Redes neurais (Computação) | pt_BR |
dc.subject | Aprendizado do computador | pt_BR |
dc.subject | Python (Linguagem de programação de computador) | pt_BR |
dc.subject | Interface gráfica com o usuário (Sistemas de computação) | pt_BR |
dc.subject | Neural networks (Computer science) | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.subject | Python (Computer program language) | pt_BR |
dc.subject | Graphical user interfaces (Computer systems) | pt_BR |
dc.title | Desenvolvimento de um framework de redes neurais com interface gráfica | pt_BR |
dc.title.alternative | Development of a neural network framework with a graphical interface | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.description.resumo | Impulsionada pelos avanços em hardwares dos dispositivos e por equipamentos como nas tecnologias da Internet das Coisas, a quantidade de informações geradas e a interação com computadores cresceram fortemente nas últimas décadas. Com isso, o interesse por Aprendizado de Máquina (AM) tornou-se cada vez maior. Logo, o espaço para o desenvolvimento de ferramentas que facilitam a aplicações de redes neurais artificiais se torna cada vez maior. Porém, as ferramentas já existentes muitas vezes não apresentam uma interface agradável e simples de usar, principalmente para os usuários menos experientes. Para isso, este trabalho tem como objetivo apresentar o desenvolvimento de uma ferramenta gráfica denominada framework para modelagem da rede neural artificial Perceptron de Múltiplas Camadas, desenvolvido na linguagem de programação Python. Este software visa proporcionar ao usuário uma experiência intuitiva, com fácil extração de informações das bases de dados compatíveis como Microsoft Excel (.xlsx), Matlab (.mat), arquivo de texto (.txt) e Valores Separados por Vírgulas (.csv). Os dados uma vez inseridos poderão ser pré tratados através dos métodos de normalização, dessazonalização e codificação distribuída. Desta forma, usuários com pouca experiência em redes neurais artificiais poderão desenvolver modelos treinados e visualizar os resultados de maneira gráfica. | pt_BR |
dc.degree.local | Ponta Grossa | pt_BR |
dc.publisher.local | Ponta Grossa | pt_BR |
dc.contributor.advisor1 | Siqueira, Hugo Valadares | - |
dc.contributor.referee1 | Martins, Marcella Scoczynski Ribeiro | - |
dc.contributor.referee2 | Tadano, Yara de Souza | - |
dc.contributor.referee3 | Siqueira, Hugo Valadares | - |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Departamento Acadêmico de Eletrônica | pt_BR |
dc.publisher.program | Engenharia Elétrica | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
Aparece nas coleções: | PG - Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
frameworkredesneuraisgrafica.pdf | 2,66 MB | Adobe PDF | ![]() Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.