Biblioteca Digital da UEM: Sistema Nou-Rau
Pgina Principal  Portugus   English  Español   Aumentar Texto  Texto Normal  Diminuir Texto
  Principal | Apresentao | Objetivos | Instrues Autores | Estatsticas | Outras Bibliotecas Digitais
  Sistema Integrado de Bibliotecas - SIB / UEM
Entrar | acessos | verso 1.1  
ndice
Pgina principal
Documentos
Novidades
Usurios

Aes
Consultar
Procurar
Exibir estatsticas

Procurar por:
Procura avanada

Dvidas e sugestes


Consultar: Programa de Ps-Graduao em Cincia da Computao

Incio > Dissertaes e Teses > Cincias Exatas e da Terra > Cincia da Computao > Programa de Ps-Graduao em Cincia da Computao

Ttulo [PT]: Autonomia cognitiva em rede neural topolgica multicamada de plasticidade sinptica intracamada
Autor(es): Frank Helbert Borsato
Palavras-chave [PT]:

Redes neurais.Redes neurais. Sistemas autnomos inteligentes. Aprendizagem por reforo. Condicionamento operante. Controle autnomo. Brasil.
Palavras-chave [EN]:
Neural networks. Reinforcement learning. Operant conditioning. Intelligent. Autonomous systems. Autonomous control. Brazil.
rea de concentrao: Cincia da Computao
Titulao: Mestre em Cincia da Computao
Banca:
Maurcio Fernandes Figueiredo [Orientador] - UEM
Sarajane Marques Peres - UEM
Estevam Rafael Hruschka Jnior - UFSCar
Resumo:
Resumo: Inserido no contexto dos Sistemas Autnomos Inteligentes, este trabalho foca especificamente uma nova classe de redes neurais, com caractersticas apropriadas para fornecer suporte ao projeto de tais sistemas. O desenvolvimento e teste so detalhados e uma discusso sobre os resultados oferecida. Em relao a diferentes aspectos, a rede neural inovadora. Os principais adjetivos que rotulam a arquitetura so: modular, multicamadas e camadas topolgicas. Ela apresenta ainda uma conectividade sinptica restrita e randmica que a distingue das propostas usuais. A dinmica de ativao se origina a partir da configurao das conexes e do modelo neural utilizado. A capacidade de aprendizado promovida atravs de uma estratgia no-supervisionada, especificamente, o aprendizado por reforo clssico (uma estratgia inspirada no condicionamento psicolgico). A contraparte biolgica adotada como referncia para guiar todas as decises de projeto, aumentando a probabilidade do desenvolvimento de boas propostas artificiais. Um simulador, desenvolvido especificamente par a os propsitos deste trabalho, implementado juntamente com os testes e os sistemas investigados, provendo um ambiente apropriado para experimentao. Diferentes classes de experimentos so consideradas, cada uma associada a objetivos e critrios especficos. Alguns experimentos avaliam a capacidade da rede neural em reproduzir resultados relatados pela teoria do condicionamento operante, enquanto outros esto relacionados a problemas de controle autnomo simples. Bons resultados so encontrados em termos de reproduo das caractersticas psicolgicas da contraparte biolgica. Os sistemas autnomos apresentam tambm desempenho satisfatrio. De maneira geral, os experimentos mostram que a proposta oculta potenciais interessantes, gerando expectativas cativantes que motivam futuras melhorias.

Abstract: Inserted in the context of the Intelligent Autonomous Systems, this work focuses specifically on a new class of neural network, with suitable characteristics to support intelligent autonomous system projects. Development chapters, namely, design and tests are detailed and a discussion about the results is offered. According to different aspects, the neural network is innovative. The main adjectives of the architecture are: modular, multilayer and layer topologic. Furthermore it presents a restricted and random synaptic connectivity, distinguishing it from usual proposals. Activation dynamics are originated from the connectivity pattern and from the neuron model, as well. A non-supervised strategy provides the capability for learning. In fact it is considered the classical reinforcement learning (a strategy inspired from the psychological conditioning) to underlie that capability. The biological counterpart is adopted as a reference to guide all project decisions, increasing the probability to design good artificial counterpart proposals. A simulator, designed specifically for the purposes of this work and implemented jointly with tests and investigated systems, provides an appropriate environment for experimentation. Different classes of experiments are considered, each of which associated to respective objectives and criteria. Some of them evaluate the capability of the neural network to reproduce results reported from the operant conditioning theory, while others are related to simple autonomous control problems. Good results are found in terms of reproducing the psychological characteristics of biological counterparts. The autonomous systems show satisfactory performances. As a whole, the experiments show that the proposal hide interesting potentials, generating captivating expectations that motivate future improvements.
Data da defesa: 31/10/2006
Cdigo: vtls000184809
Informaes adicionais:
Idioma: Portugus
Data de Publicao: 2011
Local de Publicao: Maring, PR
Orientador: Prof. Dr. Maurcio Fernandes Figueiredo
Instituio: Universidade Estadual de Maring. Departamento de Informtica
Nvel: Dissertao (mestrado em Cincia da Computao)/
UEM: Programa de Ps-Graduao em Cincia da Computao

Responsavel: beth
Categoria: Aplicao
Formato: Documento PDF
Arquivo: Frank Helbert Borsato_noPW.pdf
Tamanho: 2097 Kb (2147209 bytes)
Criado: 13-06-2011 13:13
Atualizado: 13-06-2011 13:22
Visitas: 786
Downloads: 15

[Visualizar]  [Download]

Todo material disponvel neste sistema de propriedade e responsabilidade de seus autores.