Analise semiotica de redes neuroenergeticas para a construção de agentes inteligentes (original) (raw)
Related papers
Um ambiente evolucionário para geração de redes neurais em agentes autônomos
Biological inspiration of animal behavior, nervous systems and natural evolution mechanisms, allow the construction of artificial Autonomous Agents (AAs) that, as animals, could work very well in the real world. This paper uses this inspiration to analyze and simulate evolutionary mechanisms capable of creating and developing different neural network topologies with increased complexity. This complexity is related with the behavior repertoire presented by the network, increasing the survival chances of the agents in a given world.
Uma metodologia de desenvolvimento de sistemas de amplificação de inteligencia orientada a semiotica
2021
Problemas não estruturados são problemas que dependem de variáveis não quantificáveis, não mensuráveis, imprecisas ou incertas, e que podem depender de fatores culturais, políticos, sociais, econômicos e ambientais. Sistemas "Otimizantes", onde há uma forte dependência na lógica e fraca interação homem-máquina, geralmente não são capazes de resolver este tipo de problema, pois não há nestes sistemas um processamento semântico adequado para manipular convenientemente as imprecisões e intratabilidades algorítmicas. Sistemas de Amplificação de Inteligência (SAI), que têm sua gênese nos Sistemas de Suporte à Tomada de Decisão (SSTD) e consideram a participação humana no circuito de resolução dos problemas, são capazes de suportar a tomada de decisão humana na resolução de problemas não estruturados. Para construir SAI, as técnicas e ferramentas das metodologias existentes de desenvolvimento de sistemas computacionais são necessárias, porém não suficientes. Este trabalho propõe uma metodologia para o desenvolvimento sistemático de SAI que estende o Processo Unificado de Desenvolvimento, adicionando a ele um fluxo principal de trabalho denominado Modelagem Cognitiva, que concentra-se em aspectos cognitivos dos agentes humanos que resolvem os problemas não estruturados existentes. Para ser capaz de modelar estes aspectos, a metodologia se baseia na teoria da semiótica de Charles Sanders Peirce. Como caso de estudo, é apresentada a aplicação do fluxo de Modelagem Cognitiva para desenvolver um Sistema de Amplificação Inteligência para suportar a resolução de um problema não estruturado do mundo real: o problema de estocagem e embarque de pelotas de minério-de-ferro de uma mineradora brasileira.
INICIALIZACAO DE REDES NEURAIS MLP BASEADA EM DIVISOES SIMÉTRICAS
The main goal of a learning machine is suitable mapping signal input-output presented. For such, a criterion is used for learning based on empiric error minimization. However, it is known that the initial values of the weights of the MLP (Multi-layer perceptron) neural network may influence the probability of convergence and learning rate. This study aims to investigate another criterion which is the conditioning number of generated space by the hidden layer and proposes a method that generates a low condition number.
Revista Brasileira de Energias Renováveis
Fontes de energia flutuantes, como a solar, estão aumentando sua participação na matriz energética. Concomitantemente está aumentando a dependência dessa energia e consequentemente, novos métodos de previsão de suprimento precisam ser desenvolvidos. Redes neurais artificiais têm sido usadas para prever a irradiação solar com sucesso. No entanto seu uso na previsão da energia futura disponível não tem sido explorado. O algoritmo de Levenberg-Marquard foi usado em diversas configurações que foram treinadas com a aplicação da função de transferência logssigmoide na camada oculta e purelin na camada de saída. Os dados de entrada foram a irradiação solar, a temperatura ambiente, a temperatura dos módulos solares e a hora do dia. Os dados de target foram os valores da energia produzida. O treinamento foi realizado com 5, 10, 15, 20, 25, 30 e 60 neurônios na camada oculta. O melhor resultado foi obtido com 30 neurônios, com coeficiente de correlação de 0,98. Palavras-chave: Energia solar. ...
Modelo Neuro-Fuzzy Hierárquico Politree com aprendizado por reforço para agentes inteligentes
2007
This work presents a new hybrid neuro-fuzzy model for the automatic learning of actions taken by agents. The objective of this model is to provide intelligence for an agent, making it capable of acquiring and retaining knowledge, as well as thinking (infer an action), by interacting with its environment. This new model, named Reinforcement Learning Hierarchical Neuro-Fuzzy Politree (RL-NFHP), descend from the hierarchical BSP neuro-fuzzy models, which employ supervised learning and BSP partitioning (Binary Space Partitioning) of the input space. By using this hierarchical partitioning method, together with the Reinforcement Learning methodology, a new class of Neuro-Fuzzy Systems (SNF) was obtained, which automatically learns its structure as well as the actions that must be taken by an agent. These characteristics represent an important differential when compared to existing intelligent agents learning systems. The RL-NFHP model was tested in different benchmark problems, as well as in a robotic application (Khepera robot). The results obtained demonstrate the potential of the proposed model, which does without information as number of rules, rules' format and number of partitions that the input space should have.
Construção de um Robô Investidor baseado em Redes Neurais Artificiais e Preditores Econométricos
Agradeço à minha mãe Maria de Fátima, mulher de fibra, inteligente e batalhadora, que sempre preferiu se desfazer dos seus próprios sonhos em função dos meus. Minha base, pilar, fonte de segurança. Ensinou-me a importância em se ter objetivos, a desconfiar dos caminhos fáceis e a saber que as coisas mais importantes estarão sempre acima dos rótulos e das diferenças. Ao meu pai Antônio de Pádua Nametala, pessoa amorosa e simples que me ensinou a dar valor às lutas vencidas, às conquistas alcançadas e às pessoas que realmente importam. Aos meus irmãos que, cada um a seu modo e tempo, servem em alguns momentos como fonte de inspiração e, em outros, como fonte de alívio. À minha madrinha Maria Regina Leite, que com seu sorriso, otimismo e apoio incondicional, sempre esteve lá quando necessário. À minha cunhada Mara Ferreira, trabalhadora, presente e paciente, além das minhas duas sobrinhas lindas e alegres, Samira e Isis. Aos meus tios, primos e demais familiares que, de uma forma ou de outra, contribuíram ao longo da vida para meu crescimento pessoal. Agradeço também aos vários amigos que pela minha vida passaram, que neste momento estão e os quais no futuro estarão. Especialmente os presentes que, nos últimos dois anos, ouviram pacientemente meus anseios, minhas histórias e, principalmente, segundo eles, minhas infindáveis reclamações. Agradeço também outros amigos, companheiros acadêmicos, Prof. Dr. Alexandre Pimenta, Dr. Carlos Alberto Silva de Assis e Breno Rolindo Lara Moreira, grandes incentivadores com o quais passei muitas horas fazendo planos, comemorando conquistas de metas e revisando infinitas vezes os diversos momentos de falha com os quais aprendemos a crescer. Ao Prof. Dr. Eduardo Gontijo Carrano, excepcional orientador, paciente, dedicado, rápido nas respostas e sempre disponível. Graças a ele cada etapa deste trabalho pode tomar um rumo adequado, mesmo nos momentos mais difíceis. Poucas foram as vezes em que não me impressionei com seu brilhantismo e capacidade. Aos professores Dr. Felipe Campelo e Dr. Adriano César, pois, além de fornecerem grande parte dos conhecimentos necessários à pesquisa em suas respectivas disciplinas, contribuíram muito para o meu atual apreço pelas áreas de estatística e algoritmos para o mercado financeiro. Por fim, agradeço ao Instituto Federal de Minas Gerais, em especial aos meus alunos que lá estão, pois sei que foi também por eles que, dia após dia, pude acordar motivado, sempre pensando na próxima aula, no próximo curso, na próxima possibilidade de passar a frente tudo que aprendi. Este trabalho não é meu, é deles.
Evoluindo os pesos de uma Rede Neural Artificial uma abordagem Multiobjetivo
Anais do 12. Congresso Brasileiro de Inteligência Computacional, 2015
Resumo-Este artigo compara o treinamento de um Perceptron de Múltiplas Camadas usando Algoritmos Evolutivos Multiobjetivo (MOEA). Dois MOEAs foram usados: Speed constraint MultiObjective Particle Swarm Optimization (SMPSO) e o Algoritmo Evolutivo Multiobjetivo baseado em decomposição com Alocação de Recursos Dinâmicos (MOEA/D-DRA). Algumas combinações de valores para os parâmetros desses algoritmos foram aplicados para o problema de classificação. Para comparar os resultados dos algoritmos aplicou-se o Hypervolume como um indicador de qualidade, e a partir da média deste indicador foram realizados os testes estatísticos de Kruskal Willis para comparar os resultados obtidos.
Congresso Brasileiro de …, 2002
O presente trabalho apresenta uma metodologia para desenvolvimento de agentes de software inteligentes para gerência de redes de computadores. Dois tipos de agentes são identificados a partir do enunciado do problema: agentes inteligentes estáticos e agentes inteligentes dinâmicos. Agentes estáticos podem ser implementados utilizando-se heurísticas obtidas através de um especialista ou administrador de redes de computadores. Este conhecimento será utilizado para construir regras de produção ou redes neurais diretas. Ao contrário, para se construir agentes dinâmicos utiliza-se exemplos obtidos da própria rede. É possível utilizar as cinco áreas funcionais propostas pelo modelo de referência OSI para classificar a necessidade de agentes estáticos ou dinâmicos.