Avaliação do uso da ferramenta irace para estimativa de hiperparâmetros de redes neurais artificiais

Fernandes, Camilla Rodrigues de Melo

DSpace Home
→
Centro de Ciências Exatas e Tecnologia (CCET)
→
Informática Aplicada
→
INAP - Dissertações de Mestrado
→
View Item

dc.contributor.advisor	Moura, Pedro Nuno de Souza
dc.contributor.author	Fernandes, Camilla Rodrigues de Melo
dc.date.accessioned	2026-05-11T19:56:55Z
dc.date.available	2026-05-11T19:56:55Z
dc.date.issued	2024-10-31
dc.identifier.citation	FERNANDES, Camilla Rodrigues de Melo. Avaliação do uso da ferramenta irace para estimativa de hiperparâmetros de redes neurais artificiais. 110f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2024.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/15107
dc.description.sponsorship	n/a	pt_BR
dc.language.iso	Portuguese	pt_BR
dc.rights	openAccess	pt_BR
dc.title	Avaliação do uso da ferramenta irace para estimativa de hiperparâmetros de redes neurais artificiais	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.referee	Moura, Pedro Nuno de Souza
dc.contributor.referee	Alvim, Adriana Cesário de Faria
dc.contributor.referee	Barros, Márcio de Oliveira
dc.contributor.referee	Quiroz-Castellanos, Marcela
dc.degree.department	CCET	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Acadêmico	pt_BR
dc.degree.local	Rio de Janeiro,RJ	pt_BR
dc.degree.program	Programa de Pós-Graduação em Informática	pt_BR
dc.subject.cnpq	CIÊNCIAS EXATAS E DA TERRA.CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.subject.en	Artificial Neural Networks	pt_BR
dc.subject.en	Hyperparameter Optimization	pt_BR
dc.subject.en	Irace tool	pt_BR
dc.subject.en	Machine Learning	pt_BR
dc.subject.en	Automated Algorithm Configuration	pt_BR
dc.description.abstracten	This dissertation evaluates the effectiveness of the irace tool in automating hyperparameter tuning for Artificial Neural Networks (ANNs). The performance of an ANN is highly dependent on the correct choice of parameters such as learning rate, number of layers, and neurons, a task that traditionally requires significant manual effort and expert knowledge. The work utilizes the irace package, based on iterative racing, to find optimized configurations automatically. Experiments were conducted on different databases and compared with traditional methods, demonstrating that using irace not only improves the accuracy of predictive models but also reduces the time and subjectivity involved in the neural network design process.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	Esta dissertação avalia a eficácia da ferramenta irace na automação do ajuste de hiperparâmetros em Redes Neurais Artificiais (RNAs). O desempenho de uma RNA é altamente dependente da escolha correta de parâmetros como taxa de aprendizado, número de camadas e neurônios, tarefa que tradicionalmente exige grande esforço manual e conhecimento especializado. O trabalho utiliza o pacote irace, baseado em corridas iterativas (iterative racing), para encontrar configurações otimizadas de forma automática. Os experimentos foram realizados em diferentes bases de dados e comparados com métodos tradicionais, demonstrando que o uso do irace não apenas melhora a precisão dos modelos preditivos, mas também reduz o tempo e a subjetividade no processo de design de redes neurais.	pt_BR
dc.subject.pt	Redes Neurais Artificiais	pt_BR
dc.subject.pt	Otimização de Hiperparâmetros	pt_BR
dc.subject.pt	Ferramenta irace	pt_BR
dc.subject.pt	Aprendizado de Máquina	pt_BR
dc.subject.pt	Configuração Automática de Algoritmos	pt_BR