| Autor(es): |
Passos, Leandro A.
;
Rodrigues, Douglas R.
;
Papa, Joao P.
;
IEEE
Número total de Autores: 4
|
| Tipo de documento: | Artigo Científico |
| Fonte: | 2018 IEEE 12TH INTERNATIONAL SYMPOSIUM ON APPLIED COMPUTATIONAL INTELLIGENCE AND INFORMATICS (SACI); v. N/A, p. 6-pg., 2018-01-01. |
| Resumo | |
The Deep learning framework has been widely used in different applications from medicine to engineering. However, there is a lack of works that manage to deal with the issue of hyperparameter fine-tuning, since machine learning techniques often require a considerable human effort in this task. In this paper, we propose to fine-tune Deep Boltzmann Machines using meta-heuristic techniques, which do not require the computation of the gradient of the fitness function, that may be insurmountable in high-dimensional optimization spaces. We demonstrate the validity of the proposed approach against Deep Belief Networks concerning binary image reconstruction. (AU) | |
| Processo FAPESP: | 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo? |
| Beneficiário: | Alexandre Xavier Falcão |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |
| Processo FAPESP: | 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações |
| Beneficiário: | João Paulo Papa |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria |
| Beneficiário: | Francisco Louzada Neto |
| Modalidade de apoio: | Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs |