Fundamentos de Inteligência Artificial 2023.

6
Professor: Paulo Braz
Alunos: Gustavo Rodrigues Carvalho (2019100645), Natan da Silva Magalhães
(2023000135), Rafael dos Santos Torres (2023000093) e Vinicius Ferreira De
Oliveira (2016200506)

Relatórios de entrega do trabalho final da disciplina

Questão 1: Otimização Bayesiana

Modificar MLP que Mapeia função Matemática R² -> R³(x,y): (x,y, x²+ y²)
- Utilizar Optuna
- Modificar função obetivo do Optuna...adicionando no espaço amostral: num de camadas
escondidas, número de neurônios, função de ativação, otimizadores diversos, inicialização
dos pesos da rede, taxa de aprendizado
Requisitos:
- Fornecer relatório detalhado do que foi feito e resultados obtidos com exibição de curva
de aprendizado. Caso queiram, podem utilizar outro dataset para a MLP implemente.
Justificar escolhas.

Respostas
Links com informações:
Optuna: A hyperparameter optimization framework — Optuna 3.5.0 documentation

No BS Guide to Hyperparameter Tuning With Optuna | Kaggle

Understanding of Optuna — A Machine Learning Hyperparameter | by Siddhi Jadhav |
Medium
Funções de ativação: Layer activation functions (keras.io)

Otimizadores: Optimizers (keras.io)

Questão 2: Segmentação Semântica

Utilizar código fornecido de uma UNET para segmentação semântica.

- Detalhar funções e o que está sendo feito no código fornecido.
- Quais os resultados obtidos
- Como a imagem é tratada para a apresentação para o modelo CNN - UNET
- Recomendar ajustes e melhorias no código fornecido.

- Seria possível utilizar outra técnica como complemento?

- Ajuste de parâmetros poderiam ser implementados? Como ?
Requisitos:
- Fornecer relatório detalhado do que foi feito e resultados obtidos. Responder perguntas
listadas acima.

Respostas