Banca de DEFESA: ANDERSSON ALVES DA SILVA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ANDERSSON ALVES DA SILVA
DATA : 29/10/2026
HORA: 10:00
LOCAL: CIn - Centro de Informática
TÍTULO:

Neural Architecture Search Baseado em BRKGA para Otimização de Arquiteturas de Redes Neurais Profundas

PALAVRAS-CHAVES:

Neural Architecture Search. Biased Random-Key Genetic Algorithm. Deep Learning. Otimização de Arquiteturas. Redes Neurais Profundas.

PÁGINAS: 156
RESUMO:

A definição de arquiteturas eficientes para modelos de Deep Learning constitui um dos principais desafios atuais da área de Inteligência Artificial. Nesse contexto, esta tese propõe uma metodologia de Neural Architecture Search (NAS) baseada no Algoritmo Genético de Chaves Aleatórias Enviesado (Biased Random-Key Genetic Algorithm - BRKGA), utilizando uma representação contínua por chaves aleatórias e decodificadores parametrizados capazes de transformar cromossomos em arquiteturas neurais válidas. A metodologia foi aplicada a três paradigmas de Deep Learning: BRKGA-DFNN, para Redes Neurais Feedforward Profundas, nas versões Iterativa e Multicamadas; BRKGA-CNN, para Redes Neurais Convolucionais aplicadas à classificação de imagens; e BRKGA-GNN, para Redes Neurais em Grafos. Os experimentos foram conduzidos em conjuntos de dados amplamente utilizados na literatura e comparados com métodos de otimização e abordagens de NAS baseadas em algoritmos evolutivos. Os resultados demonstraram que a metodologia proposta produz arquiteturas competitivas e, em diversos cenários, superiores às abordagens de referência. O BRKGA-DFNN apresentou os menores erros médios de classificação em diferentes problemas avaliados. O BRKGA-CNN superou os modelos de referência em sete dos nove conjuntos de dados analisados e encontrou arquiteturas mais compactas, preservando elevado desempenho preditivo. O BRKGA-GNN obteve os melhores resultados nos conjuntos Cora, CiteSeer e PubMed, superando arquiteturas manuais e métodos de NAS consolidados. Os resultados evidenciam o potencial da metodologia proposta para a automação do projeto de arquiteturas neurais em diferentes modelos de Deep Learning.

MEMBROS DA BANCA:
Externo à Instituição - MAURICIO GUILHERME DE CARVALHO RESENDE - UNIFESP
Externo à Instituição - PAULO BORGES OLIVA - OUTRA
Externo à Instituição - PERICLES BARBOSA CUNHA DE MIRANDA - UFRPE
Interno - 1133947 - SILVIO DE BARROS MELO
Presidente - 1511095 - TSANG ING REN