Comparação de Algorítimos para o Problema das Faces
1
Comparação de Algorítimos para o Problema das Faces Page 1 Geral Posição Humor Óculos Pessoa RN 1 modelo 56,9 80,5 31,9 91,6 23,6 RN 4 modelos 56,5 68,4 21,0 100,0 36,8 KNN 59,0 91,6 11,1 80,5 52,7 RN 1 Modelo: Rede neural utilizando 1 modelo para prever os atributos RN 2 Modelo: Rede neural utilizando 4 modelos para prever os atributos. KNN: Utilizando k = 2. Dados utilizados no treinamento das redes neurais: Dados utilizados no KNN: Base de treinamento contém 433 elementos Base de validacão contém 76 elementos Base de teste contém 72 elementos Base de treinamento contém 509 elementos Base de teste contém 72 elementos RN 1 modelo RN 4 modelos KNN 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 Geral Posição Humor Óculos Pessoa Porcentagem de Acerto
-
Upload
leandro-dias -
Category
Technology
-
view
107 -
download
2
Transcript of Comparação de Algorítimos para o Problema das Faces
Comparação de Algorítimos para o Problema das Faces
Page 1
Geral Posição Humor Óculos PessoaRN 1 modelo 56,9 80,5 31,9 91,6 23,6RN 4 modelos 56,5 68,4 21,0 100,0 36,8KNN 59,0 91,6 11,1 80,5 52,7
RN 1 Modelo: Rede neural utilizando 1 modelo para prever os atributosRN 2 Modelo: Rede neural utilizando 4 modelos para prever os atributos.KNN: Utilizando k = 2.
Dados utilizados no treinamento das redes neurais:
Dados utilizados no KNN:
Base de treinamento contém 433 elementosBase de validacão contém 76 elementosBase de teste contém 72 elementos
Base de treinamento contém 509 elementosBase de teste contém 72 elementos
RN 1 modelo RN 4 modelos KNN0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
90,0
100,0
Geral Posição Humor Óculos Pessoa
Porc
en
tag
em
de A
cert
o
