| Processo: | 25/10273-1 |
| Modalidade de apoio: | Bolsas no Brasil - Programa Capacitação - Treinamento Técnico |
| Data de Início da vigência: | 01 de junho de 2025 |
| Data de Término da vigência: | 30 de novembro de 2025 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Pesquisador responsável: | Artur Jordão Lima Correia |
| Beneficiário: | Lucas Martins Libanio |
| Instituição Sede: | Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Vinculado ao auxílio: | 23/11163-0 - DeepPruning: Redes Neurais Eficientes Explorando Técnicas de Poda, AP.R |
| Assunto(s): | Aprendizado computacional Aprendizagem profunda Redes neurais |
| Palavra(s)-Chave do Pesquisador: | Aprendizado de Máquina | Aprendizado profundo | GreenAI | Redes neurais | Aprendizado de Máquina |
Resumo Redes neurais tornaram-se o paradigma central para modelar padrões a partir dos dados. Frequentemente, tais modelos estão confinados a uma alta sobrecarga computacional o que impõe diversos desafios tecnológicos, financeiros e organizacionais. Para contornar essas limitações, estudos vêm demonstrando resultados promissores aplicando técnicas de poda que constituem mecanismos capazes de transformar redes neurais computacionalmente proibitivas em modelos mais eficientes. O escopo deste plano de trabalho compreende o desenvolvimento e aprimoramento de técnicas de poda para melhorar as redes neurais em termos do custo computacional, consumo de energia e, consequentemente, emissão de dióxido de carbono. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |