This work evaluates competition in training of autonomous agents immersed in First-Person Shooter games using Deep Reinforcement Learning.
Este trabalho avalia a competição no treino de agentes autônomos imersos em jogos de Tiro em Primeira em Pessoa utilizando aprendizado profundo por Reforço.
This work compares the accuracy of different neural network architectures that use deep learning for image recognition.
Este trabalho compara a acurácia de diferentes arquiteturas de redes neurais que utilizam o aprendizado profundo para o reconhecimento de imagens.
Given this problem, artificial intelligence has been playing a major role in the segmentation of images for different purposes in recent years and, taking advantage of these tools, this work proposed to create a deep learning model, through U-Net architecture, for classification of land use and occupation.
Dado essa problemática, nos últimos anos a inteligência artificial vem ganhando grande papel na segmentação de imagens para diferentes fins e, aproveitando dessas ferramentas, este trabalho propôs criar um modelo de aprendizado profundo. através de arquitetura U-Net, para classificação de uso e ocupação de solo.
Recent work analyzes that these deep learning architectures can extract relevant information from images aiming for improvements in the classifications of other classifiers that will later use the output vectors generated by these networks as training and test data.
Trabalhos recentes analisam que, essas arquiteturas de aprendizado profundo conseguem extrair informações relevantes de imagens visando melhorias nas classificações de outros classificadores que irão posteriormente, utilizar os vetores de saída gerados por essas redes como dados de treino e teste.
The objectives of this study were: (1) to evaluate the deep learning, more specifically, the performance of convolutional neural networks (CNNs) in the semantic segmentation of digital images to estimate the severity of diseases and leaf pests; and (2) to investigate the factors affecting the performance of CNN models in the semantic segmentation of digital images.
Os objetivos deste estudo foram: (1) avaliar o aprendizado profundo. mais especificamente, as redes neurais convolucionais (CNNs) na segmentação semântica de imagens digitais para estimativa de severidade de doenças e pragas foliares; e (2) investigar os fatores que afetam os desempenhos dos modelos de CNNs na segmentação semântica de imagens digitais.
Deep Learning (DL) for visual tasks usually involves seamlessly learning every step of this process, from feature extraction to label assignment.
aprendizado profundo (AP) para tarefas visuais geralmente envolve o aprendizado de todos os passos deste processo, da extração de características até a atribuição de rótulos.
One way to achieve this is through the use of deep learning.
Uma forma de se conseguir isso é a partir do uso de aprendizado profundo.
... classification with good precision. This work aimed to develop an approach that uses artificial neural networks, more specifically models based on architectures related to the deep learning, for the task of polarity classification of hotel reviews written in Portuguese. Two convolutional neural network models were developed to perform the task of classifying polarities. The first consisted of a convolutional network...
... precisão. Tivemos como objetivo principal deste trabalho o desenvolvimento de modelo que utilize redes neurais artificiais, mais especificamente modelos baseados nas arquiteturas relacionadas com o aprendizado profundo. para a tarefa de classificação de polaridade de avaliações de hotéis escritas em Língua Portuguesa. Dois modelos de redes neurais convolucionais foram desenvolvidos para realizar a tarefa de classificação de polaridades. O primeiro consistiu em uma rede convolucional que possuía 15 camada...
Inglês
Português
Resultados da busca para 
