Submitted by Adriely Bruce (adriely_bruce@hotmail.com) on 2016-12-16T12:57:38Z No. of bitstreams: 1 Dissertação - Wollace de Souza Picanço.pdf: 4678200 bytes, checksum: ce699259498922bd5dc6ac7bd7698e03 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-12-22T15:17:22Z (GMT) No. of bitstreams: 1 Dissertação - Wollace de Souza Picanço.pdf: 4678200 bytes, checksum: ce699259498922bd5dc6ac7bd7698e03 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-12-22T15:18:43Z (GMT) No. of bitstreams: 1 Dissertação - Wollace de Souza Picanço.pdf: 4678200 bytes, checksum: ce699259498922bd5dc6ac7bd7698e03 (MD5) / Made available in DSpace on 2016-12-22T15:18:43Z (GMT). No. of bitstreams: 1 Dissertação - Wollace de Souza Picanço.pdf: 4678200 bytes, checksum: ce699259498922bd5dc6ac7bd7698e03 (MD5) Previous issue date: 2016-01-29 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / The production of new approaches using the technological resources in the teaching-learning process has grown in the educational environment. Therefore, the use of educational applications focused on robotics, is facilitating learning in education. However, engineering students, specifically in the discipline of programming languages are difficult to learn the standardized method to communicate instructions to a computer station. This dissertation addresses the frames of dedicated resources and methods of cooperative-competitive learning in order to facilitate the process of learning programming languages. It also seeks to define a software architecture to manipulate a robot in the real learning environment. The purpose is to promote a tool to assist in interpreting programming language instructions by a robot. The architecture definition process and set of methods to manipulate the robot was held to assist the difficulties encountered in students the discipline of programming languages. From these findings, it was possible to develop a system model, specific to the C programming language The prototype built in this paper is different from commercial products, because it took into account the adaptation of cooperative and competitive learning method. We attempted to offer an option that facilitates the editing of source code and its interpretation as to its use in the teaching-learning process. The evaluation process of the prototype was carried out by the methods of Usability Engineering. Based on results of experiments show that the environment has contributed to the process of teaching-learning programming languages. Therefore, the usability of the measurement criteria established by the ISO 9241 standard, claim that the proposal is another tool I support technological resources that can be used in education. / A produção de novas abordagens utilizando os recursos tecnológicos no processo de ensino-aprendizagem vem crescendo no ambiente educativo. Por conseguinte, o uso de aplicações educativas voltada para a robótica, vem facilitando a aprendizagem na educação. No entanto, alunos de engenharia, especificamente na disciplina de linguagens de programação encontram dificuldades em aprender o método padronizado que comunicar instruções para um computador. Esta dissertação aborda o uso de frameworks dedicados e métodos de aprendizagem cooperativa-competitiva com a finalidade de facilitar o processo de ensino de linguagens de programação. Além disso, visa definir uma arquitetura de software para manipular um robô no ambiente real de aprendizagem. O propósito é promover uma ferramenta que auxilie na interpretação das instruções de linguagem de programação por meio de um robô. O processo de definição da arquitetura e do conjunto de métodos para manipular o robô, foi realizado para auxiliar as dificuldades encontradas nos estudantes da disciplina de linguagens de programação. A partir dessas verificações, foi possível elaborar um modelo de sistema, específico para linguagem de programação C. O protótipo construído neste trabalho se diferencia de produtos comerciais, pois se levou em consideração a adaptação do método de aprendizagem cooperativa e competitiva. Buscou-se oferecer uma opção que facilitasse a edição do código-fonte e de sua interpretação quanto ao seu uso no processo de ensino-aprendizagem. O processo de avaliação do protótipo foi realizado por meio dos métodos da Engenharia da Usabilidade. Os resultados obtidos nos experimentos demonstram que o ambiente contribuiu para o processo de ensino-aprendizagem de linguagens de programação. Portanto, os critérios de medição da usabilidade estabelecidos pela norma ISO 9241, afirmam que a ferramenta proposta é mais um apoio de recursos tecnológicos que pode ser utilizada na educação.

Em muitos domínios de aplicação, a variável tempo é uma dimensão essencial. Este é o caso da robótica, na qual trajetórias de robôs podem ser interpretadas como seqüências temporais cuja ordem de ocorrência de suas componentes precisa ser considerada. Nesta dissertação, desenvolve-se um modelo de rede neural não-supervisionada para aprendizagem e reprodução de trajetórias do Robô PUMA 560. Estas trajetórias podem ter estados em comum, o que torna o processo de reprodução susceptível a ambigüidades. O modelo proposto consiste em uma rede competitiva composta por dois conjuntos de pesos sinápticos; pesos intercamadas e pesos intracamada. Pesos intercamadas conectam as unidades na camada de entrada com os neurônios da camada de saída e codificam a informação espacial contida no estímulo de entrada atual. Os pesos intracamada conectam os neurônios da camada de saída entre si, sendo divididos em dois grupos: autoconexões e conexões laterais. A função destes é codificar a ordem temporal dos estados da trajetória, estabelecendo associações entre estados consecutivos através de uma regra hebbiana. Três mecanismos adicionais são propostos de forma a tornar a aprendizagem e reprodução das trajetórias mais confiável: unidades de contexto, exclusão de neurônios e redundância na representação dos estados. A rede funciona indicando na sua saída o estado atual e o próximo estado da trajetória. As simulações com o modelo proposto ilustram a habilidade do modelo em aprender e reproduzir múltiplas trajetórias com precisão e sem ambiguidades. A rede também é capaz de reproduzir trajetórias mesmo diante de perdas de neurônios e de generalizar diante da presença de ruído nos estímulos de entrada da rede. / In many application domains, the variable time is an essential dimension. This is the case of Robotics, where robot trajectories can be interpreted as temporal sequences in which the order of occurrence of each component needs to be considered. In this dissertation, an unsupervised neural network model is developed for learning and reproducing trajectories of a Robot PUMA 560. These trajectories can have states in common, making the process of reproduction susceptible to ambiguities. The proposed model consists of a competitive network with two groups of synaptic connections: interlayer anel intralayer ones. The interlayer weights connect units in the input layer with neurons in the output layer and they encode the spatial information contained in the current input stimulus. The intralayer weights connect the neurons of the output Iayer to each other, being divided in two groups: self-connections and lateral connections. The function of these links is to encode the temporal order of the trajectory states, establishing associations among consecutive states through a Hebbian rule. Three additional mechanisms are proposed in order to make trajectory Iearning and reproduction more reliable: context units, exclusion of neurons and redundancy in the representation of the states. The model outputs the current state and the next state of the trajectory. The simulations with the proposed model illustrate the ability of the network in learning and reproducing muItiple trajectories accurateIy and without arnbiguities. In addition, the proposed neural network model is able to reproduce trajectories even when neuron failures occur and can generalize well in the presence of noise in the input stimulus.

Em muitos domínios de aplicação, a variável tempo é uma dimensão essencial. Este é o caso da robótica, na qual trajetórias de robôs podem ser interpretadas como seqüências temporais cuja ordem de ocorrência de suas componentes precisa ser considerada. Nesta dissertação, desenvolve-se um modelo de rede neural não-supervisionada para aprendizagem e reprodução de trajetórias do Robô PUMA 560. Estas trajetórias podem ter estados em comum, o que torna o processo de reprodução susceptível a ambigüidades. O modelo proposto consiste em uma rede competitiva composta por dois conjuntos de pesos sinápticos; pesos intercamadas e pesos intracamada. Pesos intercamadas conectam as unidades na camada de entrada com os neurônios da camada de saída e codificam a informação espacial contida no estímulo de entrada atual. Os pesos intracamada conectam os neurônios da camada de saída entre si, sendo divididos em dois grupos: autoconexões e conexões laterais. A função destes é codificar a ordem temporal dos estados da trajetória, estabelecendo associações entre estados consecutivos através de uma regra hebbiana. Três mecanismos adicionais são propostos de forma a tornar a aprendizagem e reprodução das trajetórias mais confiável: unidades de contexto, exclusão de neurônios e redundância na representação dos estados. A rede funciona indicando na sua saída o estado atual e o próximo estado da trajetória. As simulações com o modelo proposto ilustram a habilidade do modelo em aprender e reproduzir múltiplas trajetórias com precisão e sem ambiguidades. A rede também é capaz de reproduzir trajetórias mesmo diante de perdas de neurônios e de generalizar diante da presença de ruído nos estímulos de entrada da rede. / In many application domains, the variable time is an essential dimension. This is the case of Robotics, where robot trajectories can be interpreted as temporal sequences in which the order of occurrence of each component needs to be considered. In this dissertation, an unsupervised neural network model is developed for learning and reproducing trajectories of a Robot PUMA 560. These trajectories can have states in common, making the process of reproduction susceptible to ambiguities. The proposed model consists of a competitive network with two groups of synaptic connections: interlayer anel intralayer ones. The interlayer weights connect units in the input layer with neurons in the output layer and they encode the spatial information contained in the current input stimulus. The intralayer weights connect the neurons of the output Iayer to each other, being divided in two groups: self-connections and lateral connections. The function of these links is to encode the temporal order of the trajectory states, establishing associations among consecutive states through a Hebbian rule. Three additional mechanisms are proposed in order to make trajectory Iearning and reproduction more reliable: context units, exclusion of neurons and redundancy in the representation of the states. The model outputs the current state and the next state of the trajectory. The simulations with the proposed model illustrate the ability of the network in learning and reproducing muItiple trajectories accurateIy and without arnbiguities. In addition, the proposed neural network model is able to reproduce trajectories even when neuron failures occur and can generalize well in the presence of noise in the input stimulus.