Banca de DEFESA: MARVSON ALLAN PONTES DE ASSIS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARVSON ALLAN PONTES DE ASSIS
DATA : 14/09/2023
HORA: 08:00
LOCAL: Virtual
TÍTULO:

Análise da eficiência entre redes SNN’s e DNN’s sob mesma 
representação

PALAVRAS-CHAVES:

Redes Neurais de Impulsos, CNN, Reconhecimento de Gestos, 
Redes Neurais

PÁGINAS: 72
RESUMO:

Redes Neurais de Impulso (Spiking Neural Net - SNNs) são modelos de redes 
neurais inspirados na biologia do cérebro que acrescentam a característica 
temporal das tarefas como fator importante. Elas são consideradas a 
terceira geração de redes neurais artificiais, e são em teoria mais 
poderosas que modelos de primeira e segunda geração. Porém, SNNs possuem um 
desempenho inferior na prática em cenários onde redes neurais de segunda 
geração tem ótimo desempenho, especialmente em tarefas de reconhecimento de 
imagens estáticas. Particularmente, existem tipos de dados mais indicados 
para SNNs e tipos mais indicados para redes neurais profundas (Deep Neural 
Net - DNNs): SNNs tem melhor desempenho em fluxos de eventos esparsos 
espacialmente e temporalmente, enquanto DNNs são melhores com dados 
estáticos. Nas comparações de desempenho entre redes SNN's e DNN's na 
literatura, normalmente usa-se o mesmo conjunto de dados para ambas, ou 
tenta-se uma conversão dos dados entre as duas, situações que levam a 
perdas de até 30% de acurácia dos modelos. Esse trabalho propõe uma nova 
metodologia de comparação que não degenera o resultado das SNN's nem das 
DNN's, usando a mesma representação e mesmo conjunto de dados para ambas. A 
metodologia é então aplicada na comparação de modelos de visão 
computacional de SNN's e DNN's para as bases de dados DVS128 e Soli, 
obtendo resultados comparáveis ao estado da arte para ambos os casos.

MEMBROS DA BANCA:
Presidente - 1710187 - HANSENCLEVER DE FRANCA BASSANI
Externo à Instituição - LUIS FILIPE ALVES PEREIRA - OUTRA
Interno - 1511095 - TSANG ING REN