|
Abstract:
|
O aprendizado semissupervisionado por autotreinamento permite aproveitar grandes
volumes de dados não rotulados a partir de poucos exemplos anotados, mas seu
desempenho depende da escolha de bons hiperparâmetros. Tradicionalmente, essa
escolha é conduzida por otimização mono-objetivo, voltada apenas à acurácia. Este
trabalho investiga se a otimização multiobjetivo, que considera simultaneamente a
acurácia e a eficiência no uso das amostras não rotuladas, oferece vantagem prá-
tica sobre a abordagem mono-objetivo. Para isso, foi desenvolvido um processo de
autotreinamento baseado em rede neural convolucional, cujos hiperparâmetros fo-
ram ajustados por duas estratégias: a mono-objetivo, conduzida pelo amostrador TPE
(Tree-structured Parzen Estimator), e a multiobjetivo, conduzida pelo algoritmo NSGA-II
(Non-dominated Sorting Genetic Algorithm II). As duas estratégias foram avaliadas sob
condições idênticas em dois conjuntos de dados de complexidades distintas, o MNIST
(Modified National Institute of Standards and Technology) e o STL-10 (Self-Taught
Learning), totalizando quatro estudos de otimização e oitocentos ensaios válidos. A
comparação considerou a acurácia máxima e média, a consistência entre ensaios, a
significância estatística das diferenças, a fronteira de Pareto e o desempenho no con-
junto de teste. Os resultados indicam equivalência prática entre as duas estratégias:
o teto de acurácia permaneceu na mesma faixa em ambos os conjuntos, e a fronteira
de Pareto degenerada, somada à correlação positiva entre os objetivos, revelou a au-
sência de um compromisso real entre acurácia e eficiência. A vantagem observada
para a abordagem mono-objetivo restringiu-se ao desempenho médio entre ensaios,
atribuída ao comportamento mais concentrado do amostrador TPE. Conclui-se que,
para os conjuntos e arquiteturas considerados, a otimização multiobjetivo não justifica
seu maior custo de formulação e execução, representando a abordagem mono-objetivo
uma economia de esforço computacional para resultados equivalentes. |
