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