Estudo Comparativo de Desempenho Entre SVM e MLP no Reconhecimento de Imagens

Autores

  • Arthur Vitor Matias de Oliveira
  • Maykon Morais da Silva
  • Angélica Félix de Castro

Resumo

Este artigo contempla os resultados de um estudo comparativo de dois modelos preditivos supervisionados: Support Vector Machine (SVM) e
Multilayer Perceptron (MLP) que foram outrora utilizados para a classificação de imagens de diferentes magnitudes tendo como objetivo
observar as implicações das variações de quantidade e dimensões dos dados sob os modelos de predição. Respectivamente, para cada variação foi
realizado um experimento utilizando a plataforma jupyter notebook e codificado em python. Os resultados apontam para uma melhor eficiência do
MLP para grandes quantidades de dados tomando como base o tempo de treinamento e tempo de predição, entretanto para quase todos os testes o SVM
obteve uma melhor acurácia tendo apenas tempos de treino e predição superiores ao MLP com pequenas quantidades de dados.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2020-12-25

Como Citar

Arthur Vitor Matias de Oliveira, Maykon Morais da Silva, & Angélica Félix de Castro. (2020). Estudo Comparativo de Desempenho Entre SVM e MLP no Reconhecimento de Imagens. Anais Do Encontro De Computação Do Oeste Potiguar ECOP/UFERSA (ISSN 2526-7574), 1(4). Recuperado de https://periodicos.ufersa.edu.br/ecop/article/view/10115