Defesa de Mestrado da discente Bárbara Letícia, dia 26/01/2026, às 13:00.

Defesa de Mestrado da discente Bárbara Letícia, dia 26/01/2026, às 13:00.

Título: EVOLUINDO ARQUITETURAS 1D: BUSCA NEURAL GENÉTICA COM
RESERVOIR COMPUTING

Resumo: A Busca de Arquitetura Neural (Neural Architecture Search - NAS ) vem se tor-
nando cada vez mais popular como uma técnica fundamental para automatizar e
otimizar a criação de arquiteturas de redes neurais, demonstrando aplicabilidade em
diversos domínios, como a classificação de imagens. Particularmente no contexto de
sinais unidimensionais (1D), como os de eletrocardiograma (ECG) e eletroencefalo-
grama (EEG), a busca por arquiteturas ideais é crucial. Embora as Redes Neurais
Recorrentes e as Redes Neurais Convolucionais Unidimensionais sejam amplamente
empregadas para a previsão e classificação desses sinais, a eficiência e o desempe-
nho das arquiteturas podem ser aprimorados por meio de estratégias de NAS. Esta
dissertação propõe uma extensão à estratégia Genetic Network Architecture Search
(GeneticNAS) pela adição da operação de Reservoir Computing (RC) ao seu espaço
de busca. O objetivo central é avaliar o impacto da integração do RC na capaci-
dade do GeneticNAS de classificar sinais unidimensionais. Os experimentos foram
conduzidos em duas bases de dados distintas: a base MIT-BIH Arrhythmia para a
classificação de arritmias em ECG e a base Physionet EEG Database para biometria
com EEG. Os resultados demonstram que, após a execução de três repetições em
cada base de dados, o GeneticNAS com a operação de RC obteve desempenho supe-
rior em termos de acurácia, precisão, revocação e F1-score em ambas as tarefas de
classificação, destacando-se o aumento de aproximadamente 2% na acurácia da clas-
sificação de arritmia e de 5,5% de F1-score para biometria.Tais descobertas validam
a eficácia da inclusão do Reservoir Computing como um operador no processo de
busca arquitetural para o aprimoramento da classificação de sinais unidimensionais.

Data: 26/01/2026 Horário: 13:00

Banca: Prof. Dr. Pedro Henrique Lopes Silva (UFOP), Prof. Dr. Rodrigo Cesar Pedrosa Silva (UFOP), Prof. Dra. Sílvia Grasiella Moreira Almeida (IFMG)