Application of recurrent and deep neural networks in classification tasks

Abstract

As Redes Neurais Artificiais (RNAs) tem sido utilizadas nas soluções de variados problemas, dentre eles, os que envolvem tomada de decisões. Neste escopo, o objetivo desta pesquisa é apresentar uma ferramenta que dê suporte ao processo de decisão para seleção de cultivares de vinho e avaliação de carros, por meio da utilização de RNAs multilayer perceptron, profundas e recorrentes. Verificando-se sua eficácia e a melhor convergência, por meio do Modelo de Validação Cruzada. Os resultados elencados indicam a eficiência da técnica, para ambos os problemas, haja vista que a capacidade de generalização das RNAs testadas para o dataset wine foi em média de 85,58% utilizando a arquitetura de 3 camadas, 86,58% para a rede profunda e 93,53% para a rede recorrente, e para o dataset car evaluation foi em média de 93,71% utilizando a rede recorrente.

State of the Art of Artificial Intelligence Applications in Oncology

“…Each image contained an arbitrary number of extracted features. Knowing that a Recurrent Neural network (RNR) [42] can take a sequence of arbitrary length and produce a single output, all the extracted features are used as input to an RNR with two Long Short-Term Memory (LSTM) layers. The final model achieved good classification performance with an AUC of 96%, compared with 86% for expert pathologists and only 41% for students.…”