Impactos da Ferramenta KerasTuner em Modelo de Predição Baseado em LSTM para Pecuária Sustentável

  • Davi L. Lemos UNIPAMPA
  • Bianca O. Durgante UNIPAMPA
  • Naylor B. Perez Embrapa
  • Leonardo B. Pinho UNIPAMPA

Resumo


O trabalho analisa o impacto da ferramenta de autoajuste KerasTuner em um modelo de Rede Neural Recorrente LSTM de predição de massa de forragem para pecuária sustentável, originalmente ajustado empiricamente. Resultados preliminares indicam melhora de 30% na acurácia, associada a um aumento entre 80% e 110% no tempo de treinamento, proporcional à quantidade de hiperparâmetros autoajustados, divergindo das escolhas originais.

Referências

Lemos, D. L., Durgante, B. O., Rocha, H. W. B., Perez, N. B., and Pinho, L. B. (2023). Aprimorando modelos de aprendizagem profunda para pecuária de precisão com kerastuner. Anais do 15o SIEPE - Salão Internacional de Ensino, Pesquisa e Extensão da UNIPAMPA: Pesquisa e Inovação, 3(15).

O’Malley, T., Bursztein, E., Long, J., Chollet, F., Jin, H., Invernizzi, L., et al. (2019). Kerastuner. [link].

Schulte, L. G. (2019). Suporte à decisão em pastagens: Análise espaço-temporal e aprendizado de máquina para predição da disponibilidade de forragem no contexto de smart farming. Master’s thesis, Universidade Federal do Pampa (UNIPAMPA) – Programa de Pós-Graduação em Computação Aplicada (PPGCAP).

Schulte, L. G., Perez, N. B., Pinho, L. B., and Trentin, G. (2019). Sistema de apoio à decisão para pecuária de precisão: Módulo para ajuste de taxa de lotação. In Anais do XV Simpósio Brasileiro de Sistemas de Informação (SBSI), pages 95–102, Porto Alegre, RS, Brasil. SBC.
Publicado
24/04/2024
LEMOS, Davi L.; DURGANTE, Bianca O.; PEREZ, Naylor B.; PINHO, Leonardo B.. Impactos da Ferramenta KerasTuner em Modelo de Predição Baseado em LSTM para Pecuária Sustentável. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 24. , 2024, Florianópolis/SC. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2024 . p. 97-100. ISSN 2595-4164. DOI: https://doi.org/10.5753/eradrs.2024.238568.