GERAÇÃO DE DADOS UTILIZANDO REDES ADVERSÁRIAS GENERATIVAS
Resumo
As Redes Neurais (RNs) são modelos computacionais, que foram desenvolvidos com o intuito de funcionar como os neurônios do cérebro humano. Utilizando algoritmos específicos, elas podem atuar fazendo reconhecimento de padrões e também podem ser treinadas para fazer aprendizado de máquina, tendo aplicações na área de inteligência artificial. Uma aplicação utilizando redes neurais é a geração de dados dos mais variados tipos, como imagens, fala e escrita. As Redes Adversárias Generativas (GANs), são arquiteturas de redes neurais capazes de gerar dados falsos que se assemelham com os reais. Elas foram introduzidas em 2014, por Ian Goodfellow da Universidade de Montreal e são formadas por duas redes neurais profundas, a discriminadora e a geradora. Essas RNs atuam competindo uma com a outra, melhorando o desempenho ao longo do treinamento. A rede geradora desempenha o papel de gerar os dados falsos similares aos reais, esses dados são enviados para a rede discriminadora que trabalha discernindo os dados reais com os sintetizados pela rede geradora. O objetivo desse treinamento é diminuir a porcentagem de erro da rede discriminadora e gerar dados, de tal forma que a rede discriminadora os identifique como reais. Desse modo, utilizando a linguagem de programação Python e o auxílio da biblioteca Tensorflow, foram desenvolvidos algoritmos para gerar dados utilizando as Redes Adversárias Generativas.Publicado
2019-01-01
Edição
Seção
Encontro de Programas de Educação Tutorial – PROGRAD
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
a. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License que permitindo o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.
b. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
