Navegando por Autor "Ferreira, Verner Rafael"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Dissertação Análise sintagmática aplicada ao processo de sumarização automática de documentos do português brasileiro(Universidade Federal do Rio Grande do Norte, 2014-08-22) Ferreira, Verner Rafael; Campos, André Maurício Cunha; ; http://lattes.cnpq.br/7154508093406987; ; http://lattes.cnpq.br/7135294672574400; Canuto, Anne Magaly de Paula; ; http://lattes.cnpq.br/1357887401899097; Prolo, Carlos Augusto; ; http://lattes.cnpq.br/3828418008457501; Tinoco, Glícia Marili Azevedo de Medeiros; ; http://lattes.cnpq.br/1417959539739192; Pardo, Thiago Alexandre Salgueiro; ; http://lattes.cnpq.br/7078737101024368A presente pesquisa estuda a aplicação da análise morfossintática de textos escritos no idioma do português brasileiro como uma metodologia para a criação de resumos automáticos de maneira extrativa. A automação de resumos, enquanto área vinculada ao processamento de linguagem natural, estuda a maneira como o computador pode, de maneira autônoma, construir resumos de textos. Dessa maneira, entendemos que passar para o computador, como instrução, a maneira como uma língua é estruturada, em nosso caso o português brasileiro, se apresenta como uma contribuição necessária para muitas áreas do conhecimento. Nesse estudo, propomos a definição de um método de sumarização que automaticamente realize a análise morfossintática de textos e, com isso, construa as suas cadeias sintagmáticas. Os sintagmas que compõem as estruturas sintáticas são então utilizados como elementos qualificadores para as sentenças do texto analisado, sendo que a contabilização desses elementos determina se uma sentença irá ou não compor o resumo a ser gerado.Tese FiberNet: um modelo de rede neural convolucional simples e eficiente(Universidade Federal do Rio Grande do Norte, 2024-08-28) Ferreira, Verner Rafael; Canuto, Anne Magaly de Paula; http://lattes.cnpq.br/1357887401899097; http://lattes.cnpq.br/7135294672574400; Santos, Araken de Medeiros; Carvalho, Bruno Motta de; Nascimento, Diego Silveira Costa; Xavier Júnior, João CarlosRedes neurais convolucionais (CNNs) são arquiteturas poderosas e eficazes para extrair informações significativas de imagens e identificar objetos. No entanto, seu alto custo computacional pode limitar sua adoção em cenários com recursos computacionais limitados como, por exemplo, em dispositivos móveis. Para resolver esse problema, nos propomos uma nova arquitetura de CNN no qual incluímos uma nova camada denominada Defiber que atua na fase de convolução da CNN. Essa nova camada, pertencente à estratégia de down sampling, tem por finalidade reduzir o quantitativo de parâmetros treináveis da rede sem que isso afete sua capacidade de predição. Para testar nossa abordagem nós criamos a FiberNet. Um protótipo de CNN pequena e simples que possui um número reduzido de parâmetros treináveis. Isso resultou em uma rede com alta velocidade de inferência e custos computacionais reduzidos. A FiberNet foi avaliada em dois conjuntos de dados, Sisal e CIFAR10. No conjunto Sisal, a FiberNet alcançou uma precisão de 96,25%. No conjunto CIFAR10, a FiberNet alcançou uma precisão de 74,9%. Nossos resultados mostraram que a camada Defiber é uma alternativa viável para a construção de CNNs de baixo custo. Sua aplicação na arquitetura do modelo proposto resultou em uma alta acurácia e capacidade de processamento, mesmo com um número reduzido de parâmetros treináveis.