titulo |
    Deep learning é um subconjunto de um campo mais genérico da inteligência artificial conhecido como machine learning |
inicio_execucao |
que se baseia na ideia de aprender com exemplos. No deep learning |
fim_execucao |
em vez de ensinar ao computador uma lista extensa de regras para resolver o problema |
foco_tecnologico |
é fornecido um modelo com o qual ele pode avaliar exemplos e um pequeno conjunto de instruções para modificar o modelo quando cometer um erro (BUDUMA; LACASCIO |
area_conhecimento |
2017). Dessa forma |
resumo |
espera-se que |
justificativa |
ao longo do tempo |
participantes |
um modelo bem adequado seja capaz de resolver o problema com extrema precisão. |
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
titulo |
|
inicio_execucao |
|
fim_execucao |
|
foco_tecnologico |
|
area_conhecimento |
|
resumo |
|
justificativa |
|
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
titulo |
    Uma das formas de contornar as limitações impostas pelo processamento clássico é a utilização de algoritmos de inteligência artificial como deep learning |
inicio_execucao |
comumente utilizados para classificar dados com uma grande quantidade de dimensões. |
fim_execucao |
|
foco_tecnologico |
|
area_conhecimento |
|
resumo |
|
justificativa |
|
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
titulo |
|
inicio_execucao |
|
fim_execucao |
|
foco_tecnologico |
|
area_conhecimento |
|
resumo |
|
justificativa |
|
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
titulo |
    Portanto |
inicio_execucao |
explorar o uso de métodos de deep learning adaptados para a análise de textura pode promover uma melhoria na acurácia das análises para classificação de regiões de interesse |
fim_execucao |
excepcionalmente no campo da medicina. Os resultados desse trabalho podem impactar positivamente no desenvolvimento de pesquisas já existentes e futuras dentro do IFPB |
foco_tecnologico |
bem como no âmbito acadêmico de forma geral. |
area_conhecimento |
Suzete Elida Nobrega Correia,Luana Rodrigues Barros,Gabriel Gutierrez Pereira Soares,Adriano Júnio de Souza Soares |
resumo |
0.0 |
justificativa |
Sim |
participantes |
CAMPUS JOÃO PESSOA |
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
|
PWG – Powering Growth é um projeto para facilitar o |
Sobre nós |
Privacidade |