Compartilhamento |
![]() ![]() |
Use este identificador para citar ou linkar para este item:
http://www.bdtd.uerj.br/handle/1/17812
Tipo do documento: | Dissertação |
Título: | Identificação do perfil de clientes utilizando redes neurais convolucionais |
Título(s) alternativo(s): | Identification of client profile using convolutional neural networks |
Autor: | Azevedo, Victor Ribeiro de ![]() |
Primeiro orientador: | Nedjah, Nadia |
Segundo orientador: | Mourelle, Luiza de Macedo |
Primeiro membro da banca: | Oliveira, Fernanda Duarte Vilela Reis de |
Segundo membro da banca: | Gomes, José Gabriel Rodriguez Carneiro |
Resumo: | O grande volume de informações digitais na forma de imagens e vídeos nas redes sociais demonstra a necessidade do desenvolvimento de novas técnicas para extrair informações relevantes aos perfis dos usuários. Milhares de imagens estão sendo publicadas em redes sociais diariamente. Com isto, a classificação de imagens de usuários nas redes sociais, é um processo relevante para empresas no contexto de segmentação dos clientes. Neste trabalho são utilizadas técnicas de inteligência computacional, em particular a aprendizagem profunda, a _m de prever o interesse de usuários de redes sociais em determinadas categorias de produtos. Com a identificação do perfil de clientes é possível definir potenciais consumidores de produtos, permitindo a elaboração de propagandas direcionadas. Nesta dissertação, são aplicadas a aprendizagem profunda e algoritmos de otimização de redes neurais convolucionais para desenvolver modelos de classificação de imagens de redes sociais, levando a identificação do perfil do usuário. É realizada a comparação do desempenho dos cinco algoritmos mais recentes de otimização da taxa de aprendizagem adaptativa para redes neurais artificiais. São eles, os algoritmos de descida do gradiente: estocástico (SGD) e adaptativo (AdaGrad), assim como os algoritmos baseados na estimativa de momento adaptativo usando: a raiz do valor quadrático médio dos gradientes (RMSprop), as médias móveis (Adam) e a norma infinita (Adamax). Dos cinco algoritmos abordados, o algoritmo de estimativa de momento adaptativo denominado Adam demonstra superioridade atingindo 94% de acurácia de aproximadamente 99% de taxa de acerto em determinadas classificações de imagens, demonstrando ser o algoritmo mais eficiente para treinamento de redes neurais e, portanto, permitindo prever de uma maneira mais precisa o interesse e o perfil do usuário. |
Abstract: | The large volume of digital information in the form of images and videos on social networks demonstrates the need for the development of new techniques to extract relevant information from users. In this work computational intelligence and deep learning techniques are used to predict the interest of social network users in certain categories. Thousands of images are being posted to social networks daily, so classify images from social network users is a relevant process for businesses in the context of customer segmentation. Identifying the customer profile can helps to define potential product consumers and create targeted advertisements. The technology applied consists of using Deep Learning and convolutional neural network optimization algorithms to develop different social image classification models. The performance of the following adaptive learning rate algorithms of artificial neural networks is compared: stochastic gradient descent, adaptive gradient descent, estimation of adaptive momentum and it variation based on the infinite norm and the mean square root of the gradients. The main objective of this work is to use the optimization algorithms to train convolutional neural networks and to verify if these methods are more eficient than the traditional training algorithms, such as Backpropagation and Gradient Descent. Of the 5 algorithms addressed, the adaptive moment estimation algorithm textit Adam demonstrates superiority reaching 94% accuracy of approximately 99% accuracy rate in certain image classifications proving to be the best algorithm for predicting interest profile. |
Palavras-chave: | Electronic engineering Neural networks (Computing) Computer learning Algorithms Pattern recognition systems Engenharia eletrônica Redes neurais (Computação) Aprendizado do computador Algoritmos Sistemas de reconhecimento de padrões |
Área(s) do CNPq: | ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade do Estado do Rio de Janeiro |
Sigla da instituição: | UERJ |
Departamento: | Centro de Tecnologia e Ciências::Faculdade de Engenharia |
Programa: | Programa de Pós-Graduação em Engenharia Eletrônica |
Citação: | AZEVEDO, Victor Ribeiro de. Identificação do perfil de clientes utilizando redes neurais convolucionais. 2020. 104 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2020. |
Tipo de acesso: | Acesso Aberto |
URI: | http://www.bdtd.uerj.br/handle/1/17812 |
Data de defesa: | 13-Fev-2020 |
Aparece nas coleções: | Mestrado em Engenharia Eletrônica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação - Victor Ribeiro de Azevedo - 2020 - Completo.pdf | 2,91 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.