Spelling suggestions: "subject:"cybrid neural networks"" "subject:"bybrid neural networks""
1 |
Aprendizado extremo para redes neurais fuzzy baseadas em uninormas / Extreme learning for uninorm-based fuzzy neural networksBordignon, Fernando Luis 22 August 2018 (has links)
Orientador: Fernando Antônio Campos Gomide / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-22T00:50:20Z (GMT). No. of bitstreams: 1
Bordignon_FernandoLuis_M.pdf: 1666872 bytes, checksum: 4d838dfb4ec418698d9ecd3b74e7c981 (MD5)
Previous issue date: 2013 / Resumo: Sistemas evolutivos são sistemas com alto nível de adaptação capazes de modificar simultaneamente suas estruturas e parâmetros a partir de um fluxo de dados, recursivamente. Aprendizagem a partir de fluxos de dados é um problema contemporâneo e difícil devido à taxa de aumento da dimensão, tamanho e disponibilidade temporal de dados, criando dificuldades para métodos tradicionais de aprendizado. Esta dissertação, além de apresentar uma revisão da literatura de sistemas evolutivos e redes neurais fuzzy, aborda uma estrutura e introduz um método de aprendizagem evolutivo para treinar redes neurais híbridas baseadas em uninormas, usando conceitos de aprendizado extremo. Neurônios baseados em uninormas fundamentados nas normas e conormas triangulares generalizam neurônios fuzzy. Uninormas trazem flexibilidade e generalidade a modelos neurais fuzzy, pois elas podem se comportar como normas triangulares, conormas triangulares, ou de forma intermediária por meio do ajuste de elementos identidade. Este recurso adiciona uma forma de plasticidade em modelos de redes neurais. Um método de agrupamento recursivo para granularizar o espaço de entrada e um esquema baseado no aprendizado extremo compõem um algoritmo para treinar a rede neural. _E provado que uma versão estática da rede neural fuzzy baseada em uninormas aproxima funções contínuas em domínios compactos, ou seja, _e um aproximador universal. Postula-se, e experimentos computacionais endossam, que a rede neural fuzzy evolutiva compartilha capacidade de aproximação equivalente, ou melhor, em ambientes dinâmicos, do que as suas equivalentes estáticas / Abstract: Evolving systems are highly adaptive systems able to simultaneously modify their structures and parameters from a stream of data, online. Learning from data streams is a contemporary and challenging issue due to the increasing rate of the size and temporal availability of data, turning the application of traditional learning methods limited. This dissertation, in addition to reviewing the literature of evolving systems and neuro fuzzy networks, addresses a structure and introduces an evolving learning approach to train uninorm-based hybrid neural networks using extreme learning concepts. Uninorm-based neurons, rooted in triangular norms and conorms, generalize fuzzy neurons. Uninorms bring flexibility and generality to fuzzy neuron models as they can behave like triangular norms, triangular conorms, or in between by adjusting identity elements. This feature adds a form of plasticity in neural network modeling. An incremental clustering method is used to granulate the input space, and a scheme based on extreme learning is developed to train the neural network. It is proved that a static version of the uninorm-based neuro fuzzy network approximate continuous functions in compact domains, i.e. it is a universal approximator. It is postulated and computational experiments endorse, that the evolving neuro fuzzy network share equivalent or better approximation capability in dynamic environments than their static counterparts / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica
|
2 |
Abordagem neuro-genética para recuperação de padrões = caso de estudo : reconhecimento de gestos em ambientes inteligentes / Neural-genetic approach for patterns recall : case of study : gesture recognition in intelligent environmentsMamani, Ana Beatriz Alvarez 19 August 2018 (has links)
Orientador: José Raimundo de Oliveira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-19T12:19:26Z (GMT). No. of bitstreams: 1
Mamani_AnaBeatrizAlvarez_M.pdf: 4159333 bytes, checksum: 1e7bbac608fe9a8dc553adedc4b721b7 (MD5)
Previous issue date: 2011 / Resumo: Esta tese apresenta uma nova e efetiva abordagem neuro-genética denominada MAAM-GA constituída por um algoritmo genético e uma rede neural associativa morfológica para a solução de problemas de reconhecimento de padrões. Especificamente, uma rede neural associativa morfológica é combinada com um algoritmo genético que é utilizado na construção da rede neural com a finalidade de aumentar a eficiência e robustez no reconhecimento de padrões. Um estudo detalhado do desempenho da abordagem é apresentado, utilizando imagens em níveis de cinza como padrões. Resultados numéricos e visuais da recuperação dos padrões são apresentados e o desempenho alcançado é comparado com outros modelos neurais associativos morfológicos relevantes para padrões de valor real, mostrando a eficiência e a robustez da abordagem proposta na recordação de imagens em níveis de cinza. Esta abordagem faz parte do desenvolvimento dos sistemas inteligentes que impulsionam o avanço de outras áreas. Pensando em uma potencial aplicação, a proposta neuro-genética é utilizada para resolver o problema de reconhecimento de gestos da mão. O reconhecimento de gestos é um caminho natural de interação humano-computador, e considerando a diversidade e a diferença manifestada pelo ser humano, para muitas pessoas que possuem deficiência física e sensorial, os gestos da mão são o meio principal de comunicação. Várias tecnologias têm sido propostas para trazer benefícios às pessoas com limitações de comunicação. Os ambientes inteligentes surgiram com o principal propósito de melhorar a qualidade de vida do ser humano baseados em ferramentas computacionais, facilitando o desenvolvimento de processos e ações de nosso cotidiano. O reconhecimento de gestos da mão é uma função do ambiente inteligente. Assim, para pessoas portadoras de deficiências físicas que limitem a sua comunicação oral, o reconhecimento de gestos em um ambiente inteligente poderá lhes trazer múltiplos benefícios na comunicação, interação e acessibilidade, permitindo a sua integração com o ambiente. Embora preocupados com pessoas portadoras de deficiências físicas, o sistema de reconhecimento de gestos da mão como parte de um ambiente inteligente destina-se, sobretudo a beneficiar todo e qualquer cidadão que dele tenha acesso. Assim, nesta tese é apresentado um estudo de um sistema de reconhecimento de gestos da mão baseado em visão artificial capaz de reconhecer gestos estáticos específicos da mão. Este sistema foi dividido em três módulos, módulo de detecção e segmentação, módulo de extração de características e o módulo de identificação e reconhecimento propriamente dito que utiliza a abordagem neuro-genética proposta. Métodos utilizados no pré-processamento das imagens para segmentação e caracterização também são apresentados. Resultados alcançados com a abordagem proposta são muito incentivadores e sugerem que a proposta possa ser considerada como uma ferramenta eficiente e robusta para recuperação e identificação a ser usada em diversas aplicações relacionadas à interface natural humano-computador. O ótimo desempenho do sistema é um passo para continuar na busca de novas tecnologias para criar um ambiente inteligente que dê suporte às necessidades de pessoas com deficiência visual, auditiva ou motora lhes dando certo nível de autonomia, capacidade de controle do entorno e de comunicação / Abstract: This thesis presents an innovative approach to solving problems of pattern recognition using a neural-genetic combination. Specifically, a morphological associative neural network is combined with a genetic algorithm that is used in the construction of the neural network for increasing the efficiency and robustness of pattern recall. A detailed study about the performance of the approach is presented, using grayscale images as patterns. Numerical and visual results are presented and the performance achieved is compared with other morphological associative neural models showing its effectiveness and robustness in the grayscale images recall. Thinking about a potential application, the proposed approach is used to solve the problem of hand gestures recognition. The hand gestures recognition is a natural way of human-computer interaction and considering the diversity and difference manifested by the human, for many people who have physical and sensory disabilities, the hand gestures is the primary means of communication. Several technologies have been proposed to bring benefits to people with limited communication. The intelligent environments emerged with the main purpose of improving the quality of human life based in computational tools facilitating the development of processes and actions of everyday life. The hand gestures recognition is a function of intelligent environments. So, for people with physical disabilities that limit their oral communication gesture recognition in an intelligent environment can take many benefits in communication, interaction and accessibility allowing its integration with the environment. Although concerned about people with disabilities, the hand gestures recognition system is mainly intended to benefit every people who has access to the environment. Thus, this thesis presents a study of a hand gestures recognition system. The system is able to recognize static hand gestures using the proposed Neural-Genetic Approach. Methods used in the image preprocessing and characterization are also presented. Results achieved with the proposed approach are very encouraging and suggest that the proposal can be considered as an efficient and robust tool for recovery and identification to be used in various applications related to natural human-computer interface. The optimal system performance is a big step to continue the search for new technologies to create an intelligent environment that supports the needs of people with visual, hearing or motor disability / Mestrado / Engenharia de Computação / Doutor em Engenharia Elétrica
|
3 |
Comportamento complexo em centros geradores de padrões / Complex behavior in central pattern generatorsReyes, Marcelo Bussotti 22 September 2005 (has links)
Realizamos simulações computacionais de modelos da atividade elétrica de centros geradores de padrões para investigar o fato experimental de organismos vivos utilizarem neurônios caóticos para produzir padrões periódicos. Centros geradores de padrões biológicos produzem atividades motoras periódicas que devem ser robustas a pequenas flutuações das propriedades dos neurônios e sinapses, mas também flexíveis para permitir a neuromodulação do ritmo. Utilizamos principalmente dois modelos de atividade neural, um modelo fenomenológico do tipo Hindmarsh-Rose e um modelo baseado em condutâncias do tipo Hodgking-Huxley. Realizamos também experimentos com redes híbridas, conectando dois tipos de neurônios do gânglio estomatogástrico de crustáceos aos neurônios modelo, que confirmaram os resultados obtidos nas simulações. Observamos o comportamento das redes principalmente em função de dois parâmetros: um que controla a atividade intrínseca dos neurônios e outro que representa a condutância máxima das sinapses químicas usadas para formar a rede. As redes apresentam atividade robusta e flexível quando os neurônios que as compõem apresentam comportamento intrínseco entre rajadas e tônico. Esta é a região onde os neurônios modelo apresentam comportamento caótico, o que é uma evidência do motivo de se observar este tipo de comportamento em neurônios isolados do gânglio estomatogástrico dos crustáceos. Mostramos que o modelo tipo Hodgkin-Huxley, apesar de mais realista do ponto de vista eletrofisiológico, não apresenta um comportamento coletivo satisfatório em termos de flexibilidade e robustez. Os experimentos com redes híbridas evidenciaram como deveria ser modificado o modelo para que o comportamento coletivo fosse restaurado. Investigamos também outros aspectos da atividade neural: a obtenção de padrões oscilatórios com neurônios que não apresentam comportamento intrinsecamente oscilatório e a influência de perturbações causada por ruídos na atividade neural. / Realizamos simulações computacionais de modelos da atividade elétrica de centros geradores de padrões para investigar o fato experimental de organismos vivos utilizarem neurônios caóticos para produzir padrões periódicos. Centros geradores de padrões biológicos produzem atividades motoras periódicas que devem ser robustas a pequenas flutuações das propriedades dos neurônios e sinapses, mas também flexíveis para permitir a neuromodulação do ritmo. Utilizamos principalmente dois modelos de atividade neural, um modelo fenomenológico do tipo Hindmarsh-Rose e um modelo baseado em condutâncias do tipo Hodgking-Huxley. Realizamos também experimentos com redes híbridas, conectando dois tipos de neurônios do gânglio estomatogástrico de crustáceos aos neurônios modelo, que confirmaram os resultados obtidos nas simulações. Observamos o comportamento das redes principalmente em função de dois parâmetros: um que controla a atividade intrínseca dos neurônios e outro que representa a condutância máxima das sinapses químicas usadas para formar a rede. As redes apresentam atividade robusta e flexível quando os neurônios que as compõem apresentam comportamento intrínseco entre rajadas e tônico. Esta é a região onde os neurônios modelo apresentam comportamento caótico, o que é uma evidência do motivo de se observar este tipo de comportamento em neurônios isolados do gânglio estomatogástrico dos crustáceos. Mostramos que o modelo tipo Hodgkin-Huxley, apesar de mais realista do ponto de vista eletrofisiológico, não apresenta um comportamento coletivo satisfatório em termos de flexibilidade e robustez. Os experimentos com redes híbridas evidenciaram como deveria ser modificado o modelo para que o comportamento coletivo fosse restaurado. Investigamos também outros aspectos da atividade neural: a obtenção de padrões oscilatórios com neurônios que não apresentam comportamento intrinsecamente oscilatório e a influência de perturbações causada por ruídos na atividade neural. We have performed computational simulations of models of the neural electrical activity of central pattern generators in order to investigate the experimental fact that living organisms use chaotic neurons to produce periodic patterns. Biological central pattern generators produce periodic motor activity that must be robust to small fluctuacions in the neural and synaptic properties, but they must also be flexible to alow rhythm neuromodulation. We have used mainly two different models of neural activity, one phenomenological Hindmarsh-Rose type and another conductance based Hodgking-Huxley type. We have also performed experiments with hybrid networks, connecting two types crustacean stomatogastric ganglion neurons with the model neurons, which confirmed the results obtained with the simulations. We have simulated the network behavior as a function of two parameters: the maximal conductance of the chemical synapses by which neurons are connected and a parameter that controls the intrinsic behavior of the neurons. The networks present robust and flexible activity when the neurons have intrinsic beharior between bursting and tonic. This is the region in which model neurons present chaotic behavior, what is an evidence of why chaotic behavior takes place in isolated neurons from the stomatogastric ganglion (STG) of crustaceans. We have shown that the Hodgking-Huxley type model does not perform a satisfactory collective behavior in terms of flexibility and robustness, in spite of its electrophysiological realism. Experiments with hybrid networks showed how the model should be modified in order to restore the proper collective behavior. We have also investigated other aspects of the neural activity: the observation of oscillatory patterns in networks composed by neurons that are not endogenous bursters and the influence of perturbations in the neural activity caused by noize.
|
4 |
Comportamento complexo em centros geradores de padrões / Complex behavior in central pattern generatorsMarcelo Bussotti Reyes 22 September 2005 (has links)
Realizamos simulações computacionais de modelos da atividade elétrica de centros geradores de padrões para investigar o fato experimental de organismos vivos utilizarem neurônios caóticos para produzir padrões periódicos. Centros geradores de padrões biológicos produzem atividades motoras periódicas que devem ser robustas a pequenas flutuações das propriedades dos neurônios e sinapses, mas também flexíveis para permitir a neuromodulação do ritmo. Utilizamos principalmente dois modelos de atividade neural, um modelo fenomenológico do tipo Hindmarsh-Rose e um modelo baseado em condutâncias do tipo Hodgking-Huxley. Realizamos também experimentos com redes híbridas, conectando dois tipos de neurônios do gânglio estomatogástrico de crustáceos aos neurônios modelo, que confirmaram os resultados obtidos nas simulações. Observamos o comportamento das redes principalmente em função de dois parâmetros: um que controla a atividade intrínseca dos neurônios e outro que representa a condutância máxima das sinapses químicas usadas para formar a rede. As redes apresentam atividade robusta e flexível quando os neurônios que as compõem apresentam comportamento intrínseco entre rajadas e tônico. Esta é a região onde os neurônios modelo apresentam comportamento caótico, o que é uma evidência do motivo de se observar este tipo de comportamento em neurônios isolados do gânglio estomatogástrico dos crustáceos. Mostramos que o modelo tipo Hodgkin-Huxley, apesar de mais realista do ponto de vista eletrofisiológico, não apresenta um comportamento coletivo satisfatório em termos de flexibilidade e robustez. Os experimentos com redes híbridas evidenciaram como deveria ser modificado o modelo para que o comportamento coletivo fosse restaurado. Investigamos também outros aspectos da atividade neural: a obtenção de padrões oscilatórios com neurônios que não apresentam comportamento intrinsecamente oscilatório e a influência de perturbações causada por ruídos na atividade neural. / Realizamos simulações computacionais de modelos da atividade elétrica de centros geradores de padrões para investigar o fato experimental de organismos vivos utilizarem neurônios caóticos para produzir padrões periódicos. Centros geradores de padrões biológicos produzem atividades motoras periódicas que devem ser robustas a pequenas flutuações das propriedades dos neurônios e sinapses, mas também flexíveis para permitir a neuromodulação do ritmo. Utilizamos principalmente dois modelos de atividade neural, um modelo fenomenológico do tipo Hindmarsh-Rose e um modelo baseado em condutâncias do tipo Hodgking-Huxley. Realizamos também experimentos com redes híbridas, conectando dois tipos de neurônios do gânglio estomatogástrico de crustáceos aos neurônios modelo, que confirmaram os resultados obtidos nas simulações. Observamos o comportamento das redes principalmente em função de dois parâmetros: um que controla a atividade intrínseca dos neurônios e outro que representa a condutância máxima das sinapses químicas usadas para formar a rede. As redes apresentam atividade robusta e flexível quando os neurônios que as compõem apresentam comportamento intrínseco entre rajadas e tônico. Esta é a região onde os neurônios modelo apresentam comportamento caótico, o que é uma evidência do motivo de se observar este tipo de comportamento em neurônios isolados do gânglio estomatogástrico dos crustáceos. Mostramos que o modelo tipo Hodgkin-Huxley, apesar de mais realista do ponto de vista eletrofisiológico, não apresenta um comportamento coletivo satisfatório em termos de flexibilidade e robustez. Os experimentos com redes híbridas evidenciaram como deveria ser modificado o modelo para que o comportamento coletivo fosse restaurado. Investigamos também outros aspectos da atividade neural: a obtenção de padrões oscilatórios com neurônios que não apresentam comportamento intrinsecamente oscilatório e a influência de perturbações causada por ruídos na atividade neural. We have performed computational simulations of models of the neural electrical activity of central pattern generators in order to investigate the experimental fact that living organisms use chaotic neurons to produce periodic patterns. Biological central pattern generators produce periodic motor activity that must be robust to small fluctuacions in the neural and synaptic properties, but they must also be flexible to alow rhythm neuromodulation. We have used mainly two different models of neural activity, one phenomenological Hindmarsh-Rose type and another conductance based Hodgking-Huxley type. We have also performed experiments with hybrid networks, connecting two types crustacean stomatogastric ganglion neurons with the model neurons, which confirmed the results obtained with the simulations. We have simulated the network behavior as a function of two parameters: the maximal conductance of the chemical synapses by which neurons are connected and a parameter that controls the intrinsic behavior of the neurons. The networks present robust and flexible activity when the neurons have intrinsic beharior between bursting and tonic. This is the region in which model neurons present chaotic behavior, what is an evidence of why chaotic behavior takes place in isolated neurons from the stomatogastric ganglion (STG) of crustaceans. We have shown that the Hodgking-Huxley type model does not perform a satisfactory collective behavior in terms of flexibility and robustness, in spite of its electrophysiological realism. Experiments with hybrid networks showed how the model should be modified in order to restore the proper collective behavior. We have also investigated other aspects of the neural activity: the observation of oscillatory patterns in networks composed by neurons that are not endogenous bursters and the influence of perturbations in the neural activity caused by noize.
|
Page generated in 0.0375 seconds