Este trabalho apresenta o Modelo Fisiológico de Emoções. Este modelo trata a inteligência através de um ponto de vista biológico. O comportamento de cada componente é avaliado de forma independente e evitando abstrações que não estão de acordo com o funcionamento do corpo. O Modelo Fisiológico de Emoções contém um organismo simplificado incluindo apenas um restrito grupo de órgãos e tecidos constantemente gerando diferentes estímulos a agindo como geradores de intenção. O modelo também difere de abordagens cognitivas e considera um restrito grupo de estados emocionais com manifestações fisiológicas diferentes influenciando a tomada de decisão. O pequeno grupo de órgãos pode produzir diferentes estados fisiológicos quando o organismo está comendo, correndo ou mostrando algum estado emocional específico. O trabalho ainda mostra a implementação de um agente construído com base no modelo.

Esta pesquisa propõe uma abordagem na qual objetos de aprendizagem são construídos com base no paradigma de agentes. A fundamentação tecnológica desta abordagem é constituída por uma integração entre tecnologias desenvolvidas para Objetos de Aprendizagem e para Sistemas Multiagentes. O conceito central apresentado é o de Objeto Inteligente de Aprendizagem, entidade que corresponde a um agente que é capaz de gerar experiências de aprendizagem reutilizáveis, no mesmo sentido que os objetos de aprendizagem. É apresentada uma sociedade multiagente concebida com a finalidade de dar suporte a abordagem proposta, bem como a modelagem do processo de comunicação entre os agentes desta sociedade. Como forma de validar as propostas feitas, são apresentados uma arquitetura de agentes que implementa os conceitos definidos e um conjunto de recursos para a construção de agentes compatíveis com esta arquitetura. Através destes recursos é possível a implementação das entidades propostas neste trabalho.

Resumo: Neste trabalho abordamos o problema de identificação e caracterização do pterígio, uma neo-formação conjuntival triangular ou trapezoidal benigna, com causa exata ainda não definida, que potencialmente pode acarretar cegueira, como um primeiro passo para a criação de um sistema espe-cialista para auxílio ao diagnóstico utilizando a técnica de reconhecimento de padrões denominada Floresta de Caminhos Ótimos (OPF). Para a caracterização da doença, propomos a utilização de três técnicas de seleção de características as quais buscaram reduzir a quantidade de características utilizadas no reconhecimento, sem todavia, projudicar a acurácia do classificador. Essas técnicas nasceram da junção do OPF com técnicas de otimização já existentes como Otimização por Enxame de Partículas (PSO), Busca Harmônica (BH) e Algoritmo de Busca Gravitacional(GSA), resultando nos algoritmos híbridos PSO-OPF, BH-OPF e GSA-OPF, respectivamente. O banco de dados utili-zado neste trabalho é proveniente de um Projeto da Faculdade de Medicina da UNESP de Botucatu que visou a criação de uma Unidade Móvel para atendimento oftalmológico à comunidades da região de Botucatu. Esse banco de dados possui 89 características de 7,654 pacientes dos quais 682 são acometidos por pterígio e os 6,972 restantes não possuem a doença. As técnicas foram aplicadas à esse Banco de dados em dois momentos distintos. Inicialmente, buscando a identificação da doença, aplicamos o OPF juntamente com outros nove classificadores buscando somente a identificação do pterígio, dividindo a base de dados em 50 % para treinamento dos classificadores e os 50 % restantes para a classificação dos dados, num ciclo repetido 10 vezes, com esses conjuntos treinamento e classificação gerados aleatoriamente... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Not available / Orientador: João Paulo Papa / Coorientador: Silvana Artioli Schellini / Banca: João Paulo Papa / Banca: Alexandre Luis Magalhães Levada / Banca: Silke Anna Theresa Weber / Mestre

Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2013-06-07T13:27:08Z No. of bitstreams: 1 2012_MauroHenriqueLimadeBoni.pdf: 1940923 bytes, checksum: d2d877594c68747e22e6d578265e9e73 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2013-06-10T12:06:30Z (GMT) No. of bitstreams: 1 2012_MauroHenriqueLimadeBoni.pdf: 1940923 bytes, checksum: d2d877594c68747e22e6d578265e9e73 (MD5) / Made available in DSpace on 2013-06-10T12:06:30Z (GMT). No. of bitstreams: 1 2012_MauroHenriqueLimadeBoni.pdf: 1940923 bytes, checksum: d2d877594c68747e22e6d578265e9e73 (MD5) / As redes bayesianas são ferramentas interessantes para construção de cenários em que seja necessário representar algum tipo de conhecimento. Elas são um modelo computacional probabilístico e podem ser utilizada como auxílio para a tomada de decisões. Dentre suas características, duas merecem destaque: a facilidade na computação das probabilidades e o fato de que permitem a visualização das variáveis aleatórias envolvidas através da utilização de um grafo direcional e acíclico. Isso faz com que seja possível o estabelecimento de relações do tipo causa e efeito entre as variáveis. Elas têm sido utilizadas em aplicações de diagnóstico e prognóstico envolvendo informações incompletas ou incertas. Esse trabalho teve como objeto de estudo a elaboração de um software genérico que permitisse a modelagem e manipulação de redes bayesianas. Desta forma ele apresenta o projeto e a implementação de um framework. São tratados os fundamentos sobre redes bayesianas e também são fornecidos alguns exemplos. Os mecanismos de propagação de evidencias são descritos, bem como algumas considerações sobre a modelagem de uma rede bayesiana. Para a elaboração desse estudo, foram usadas três formas distintas de pesquisa : exploratória, experimental e estudo de caso. Inicialmente a pesquisa exploratória foi responsável por fornecer as referências teóricas para o desenvolvimento do raciocínio. A pesquisa experimental, por sua vez, visava a reprodução dos mecanismos básicos das redes bayesianas. O estudo de caso permitiu uma análise qualitativa do software, o que permitiu dentre outras coisas, verificar se as estruturas propostas no framework estavam adequadas para a modelagem de redes. Além disso, foi possível observar se as evidências seriam propagadas na rede e se os estados do nodo seriam alterados. Como principal contribuição deste trabalho destaca-se a facilidade de reuso oferecida pela arquitetura proposta, que foi baseada no uso de padrões de projeto. O trabalho demostra o uso desta arquitetura por meio de um estudo de caso, onde uma rede, que representa um domínio inerente a engenharia biomédica, é modelada e implementada pelo framework. Essa aplicação é implementada em um dispositivo móvel do tipo tablet. Esses dispositivos oferecem mobilidade dentre outras funcionalidades que os tornam interessantes aos profissionais de área de saúde. _______________________________________________________________________________________ ABSTRACT / The Bayesian networks are interesting tools for the construction of scenarios that must represent some type of knowledge. They are a computational model probabilistic and can be used as an aid to decision making. Among its characteristics, two deserve special mention: the ease of computing probabilities and the fact that allow viewing of the random variables involved through the use of a directional graph and out acyclic engine frequencies on. This makes it possible the establishment of relations of type cause and effect between the variables. They have been used in applications of diagnostic and prognostic information involving incomplete or uncertain. This work has as its object of study the preparation of a generic software to allow the modeling and manipulation of Bayesian networks. This way he presents the design and implementation of a framework. Treaties are the foundations on Bayesian networks and are also provided some examples. The mechanisms of the propagation of evidence are described, as well as some considerations on the modeling of a bayesian network. For the preparation of this study were used three distinct forms of search : exploratory, experimental and case study. Initially the exploratory research was responsible for providing the references theoretical for the development of reasoning. Experimental research, in turn, was aimed at the playback of the basic mechanisms of Bayesian networks. The case study has a qualitative analysis of software, which allowed among other things, check if the structures proposed in the framework were appropriate for modeling of networks. In addition, it was possible to observe if the evidence would be propagated on the network and the states of node would be changed. The software project is discussed and its implementation is presented through examples. As the main contribution of this work there can be emphasized the reuse easiness provided by the software architecture proposed in this work, which is based on project patterns. The work demonstrates the utilization of that architecture by means of a case study. Its use was done in an application where the domain is inherent to the biomedical engineering. This application is implemented in a mobile device of the tablet type. Those devices offer mobility among other functionalities that make them interesting to the professionals of the health field.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2010. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2011-04-15T16:01:56Z No. of bitstreams: 1 2010_AntonioMarcioFerreiraCrespo.pdf: 1967908 bytes, checksum: c95cb5dd5aaeb56582d8d3a352420b9b (MD5) / Approved for entry into archive by Luanna Maia(luanna@bce.unb.br) on 2011-05-20T15:02:02Z (GMT) No. of bitstreams: 1 2010_AntonioMarcioFerreiraCrespo.pdf: 1967908 bytes, checksum: c95cb5dd5aaeb56582d8d3a352420b9b (MD5) / Made available in DSpace on 2011-05-20T15:02:02Z (GMT). No. of bitstreams: 1 2010_AntonioMarcioFerreiraCrespo.pdf: 1967908 bytes, checksum: c95cb5dd5aaeb56582d8d3a352420b9b (MD5) / O Gerenciamento do Tráfego Aéreo (ATM) se define como um domínio amplo constituído por atividades complexas. No Brasil, o Centro de Gerenciamento da Navegação Aérea (CGNA) é o responsável pelo desempenho do ATFM, cabendo-lhe monitorar e gerenciar 46 setores de controle de tráfego aéreo, 39 áreas de aproximação (TMA), cada qual com pelo menos um aeroporto, além de aproximadamente 5.000 movimentos aéreos diários. Neste contexto emerge a problemática objeto do presente trabalho, qual seja, a inexistência de um sistema de apoio à decisão que auxilie os gerentes de fluxo de tráfego a lidar com o conjunto de variáveis, inerentes ao cenário ATFM, e os auxilie a tomar decisões (adotar medidas de controle de fluxo) na ventualidade da ocorrência de desbalanceamento na relação capacidade X demanda. Este trabalho, portanto, apresenta um protótipo de módulo de apoio à decisão baseado em aprendizagem por reforço que tem como saída sugestões de medidas de controle de fluxo de tráfego geradas a partir de cenários aéreos com pontos de saturação. O módulo desenvolvido foi concebido como um agente inteligente, baseado em aprendizagem, que utiliza o algoritmo Q-learning. O desempenho do protótipo é avaliado por intermédio de um estudo de caso modelado a partir das demandas reais de tráfego verificadas em datas determinadas. O estudo de caso permitiu estabelecer uma análise comparativa entre o desempenho do módulo dadas duas condições. Na primeira condição, o agente atuou a partir de um conjunto de ações que não incorporava a experiência do agente humano (gerente de fluxo de tráfego). Num segundo momento, o agente utilizou um conjunto de ações que incorporava madidas de controle de tráfego adotadas pelos gerentes de fluxo de tráfego em cenários reais. Para a composição de tal conjunto de ações, foram pesquisados todos os registros de ações tomadas entre janeiro de 2008 e março de 2010. O critério básico de avaliação foi a convergência do Algoritmo Q-learning. Os resultados obtidos no estudo de caso são promissores, na medida em que o comportamento dos agentes concebidos indicam que o Algoritmo Q-learning convergiu de forma satisfatória, decorrendo que os protótipos geraram ações que contribuiram de forma efetiva para a redução das saturações nos cenários aéreos testados. Desta feita, com o desenvolvimento dos referidos protótipos, foi possível demonstrar a aplicabilidade de formalismos da Inteligência Artificial na busca de soluções nacionais, para a Problemática ATFM, inteiramente concebidas segundo as características e necessidades do país. ______________________________________________________________________________ ABSTRACT / Air Traffic Management (ATM) is defined as a broad area consisting of complex Activities. ATFM occurs in three different contexts: strategic, pre-tactical and tactical. The tactical ATFM is an activity that aims to maintain an optimum balance between capacity (airspace and airports) and demand (fight intentions), considering to adopt all possible measures in a period of up to two hours prior to the scheduled takeoff time. The Centre for Management of Air Navigation (CGNA) is responsible for the performance of ATFM, and with the daily work of monitoring and managing Brazilian air space, which consists of 46 sectors of air traffic control, 39 areas of approximation (TMA), each with at least one airport, and approximately 5,000 aircraft movements daily. In this context emerges the problematic object of the present work, namely the lack of a decision support system to help the traffic flow managers to deal with all the variables inherent in the scenario ATFM, and help them make decisions (adopt measures to control flow) in the event of imbalance in the ratio capacity X demand. This dissertation therefore presents a prototype of the decision support system based on Artificial Intelligence method, especially, reinforcement learning that has as output measures (suggestions to air traffic flow management) generated from scenarios with saturation points. The developed module was designed as an intelligent agent using the Q-learning algorithm. The performance of the prototype is evaluated through a case study modeled from the real demands of traffic on certain dates.The case study allowed to establish a comparative analysis between the module performance given two conditions. In the first condition, the agent acted from a set of actions produced without the participation of the human agent (manager of traffic flow). Secondly, the agent used a set of actions that incorporated measures adopted by the managers of traffic flow in real scenarios. For the composition of such a set of actions, all records of actions taken between January 2008 and March 2010 were considered. The basic criterion of evaluation was the convergence of Q-learning algorithm. The results showed, as expected, that complex congestion (involving multiple saturation points and of spatially dispersed flow control measures) are handled more efficiently by the computational agent (module). This research demonstrated the feasibility of using reinforcement learning to develop a decision support system applied to tactical ATFM considering Brazilian national scene.

Esta pesquisa propõe uma abordagem na qual objetos de aprendizagem são construídos com base no paradigma de agentes. A fundamentação tecnológica desta abordagem é constituída por uma integração entre tecnologias desenvolvidas para Objetos de Aprendizagem e para Sistemas Multiagentes. O conceito central apresentado é o de Objeto Inteligente de Aprendizagem, entidade que corresponde a um agente que é capaz de gerar experiências de aprendizagem reutilizáveis, no mesmo sentido que os objetos de aprendizagem. É apresentada uma sociedade multiagente concebida com a finalidade de dar suporte a abordagem proposta, bem como a modelagem do processo de comunicação entre os agentes desta sociedade. Como forma de validar as propostas feitas, são apresentados uma arquitetura de agentes que implementa os conceitos definidos e um conjunto de recursos para a construção de agentes compatíveis com esta arquitetura. Através destes recursos é possível a implementação das entidades propostas neste trabalho.

Este trabalho de investigação situa-se na área dos Tutores Inteligentes ("Intelligent Tutor"), para o ensino da Programação em lógica, envolvendo figuras de programação (decisão, repetição recursão) e estruturas de representação da informação. 0 Tutor- Prolog ensina um subconjunto da linguagem de programação Prolog através da geração automática de exemplos organizados em níveis de complexidade dentro de um contexto instrucional. Estes exemplos são apresentados simultaneamente em Português e em Prolog. O ensino de figuras básicas da programação é introduzido atrav6s de exercícios orientados pelo Tutor-Prolog. 0 mesmo ocorre na introdução das estruturas para a representação da informação (listas, Arvores e enquadramentos). Todo o processo de ensino 6 conduzido pelo Tutor-Prolog, com base no modelo do aluno no modelo da interação. Portanto, os métodos utilizados são a ensino por indução (tutorial) e por tentativa e erro (depuração). O modelo de ensino é suportado por conhecimentos e por hip6teses que representam o conhecimento que o aluno possuía ou adquiriu através do tutorial. Tutor-Prolog aprende através de modelos (do aluno e da interação) resultantes da aplicação de hip6teses geradas com base no conhecimento existente a cada momento. Em grande parte dos casos as hipóteses são) utilizadas conjuntamente com exemplos. A capacidade de aprendizagem do Tutor 6 limitada a determinadas áreas de sua intervenção, com p a seleção das estratégias de ensino (ao nível do tutorial), os programas que o aluno escreve (ao nível da depuração) e o vocabulário e a sintaxe que utiliza para as consultas (ao nível da interface em língua natural escrita (WEN 87]). 0 presente trabalho apoiou-se em experimentação pratica realizada com alunos do ensino secundário de ma escola de Lisboa, tendo o Tutor-Prolog resultado de diversas observações feitas com os três protótipos desenvolvidos.

Este trabalho apresenta o Modelo Fisiológico de Emoções. Este modelo trata a inteligência através de um ponto de vista biológico. O comportamento de cada componente é avaliado de forma independente e evitando abstrações que não estão de acordo com o funcionamento do corpo. O Modelo Fisiológico de Emoções contém um organismo simplificado incluindo apenas um restrito grupo de órgãos e tecidos constantemente gerando diferentes estímulos a agindo como geradores de intenção. O modelo também difere de abordagens cognitivas e considera um restrito grupo de estados emocionais com manifestações fisiológicas diferentes influenciando a tomada de decisão. O pequeno grupo de órgãos pode produzir diferentes estados fisiológicos quando o organismo está comendo, correndo ou mostrando algum estado emocional específico. O trabalho ainda mostra a implementação de um agente construído com base no modelo.

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-01-27T17:15:55Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tbac-tese-biblioteca.pdf: 1708133 bytes, checksum: 358aacd6d090f9b7678979be16cc120e (MD5) / Made available in DSpace on 2016-01-27T17:15:55Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tbac-tese-biblioteca.pdf: 1708133 bytes, checksum: 358aacd6d090f9b7678979be16cc120e (MD5) Previous issue date: 2015-04-23 / CAPES / Um dos problemas de reconhecimento de faces consiste em identificar quem é a pessoa cuja imagem do rosto está em uma fotografia. A representação digital desta imagem contém milhares de pixels, cada um representando a intensidade de iluminação de uma minúscula região da imagem. O problema de reconhecimento pode ser simplificado se forem extraídas poucas dezenas de características para representar toda a imagem. Neste trabalho são propostas duas metodologias de extração de características. Uma destas metodologias chama-se Agrupamento de Pixels e a outra Autofaces Fracionárias. A partir de cada uma destas metodologias são propostas técnicas de extração de características. Tais técnicas têm a mesma aplicação que a técnica de referência Autofaces (Eigenfaces): geram projeções lineares das imagens de face. Cada uma dessas projeções é dita uma característica extraída, a qual contém informações sobre propriedades visuais da imagem de face. Com a primeira metodologia proposta, Agrupamento de Pixels, são definidas duas técnicas de extração de características, Pedaçospor- valor e Pedaços-por-posição. Pedaços-por-valor define regiões da face com intensidade similar. Pedaços-por-posição define regiões por relações de vizinhança. Em ambos os métodos é extraída uma característica para cada região. Estas técnicas obtiveram taxa de reconhecimento superior a outros métodos no estado da arte. Foi demonstrado com um experimento com dados artificiais que esta técnica é capaz de extrair características discriminantes mesmo sendo uma técnica não-supervisionada. Pedaços-por-valor também é avaliada na aplicação de compressão de imagens. Demonstra-se que esta representação é mais fiel ao original do que a compressão JPEG se comprimida ao máximo. A segunda metodologia proposta também é não-supervisionada. Inspira-se em Autofaces e na técnica no estado da arte PCA Fracionário. Com esta metodologia são definidas três técnicas de extração de características. Experimentos mostram que estas técnicas extraem características que levam a uma taxa de reconhecimento maior do que as técnicas das quais são derivadas. Um experimento em visualização de dados propõe uma explicação para as vantagens destas técnicas: aumentam a fronteira de decisão; e aproximam os exemplos da mesma classe, diminuindo a sobreposição entre classes distintas. / One problem in face recognition is to identify who is the person shown in a photography. The digital representation of such photo, an image, has thousands of pixels, each pixel represent the light intensity of a tiny image region. The recognition problem is simpler if dozens of features are extracted to represent all the image. We propose two feature extraction frameworks for face recognition: Pixel Clustering and Fractional Eigenfaces. Feature extraction techniques are defined from each framework. Such techniques are applied similarly to the benchmark method Eigenfaces: they define linear projections of the face images. Each projection is an extracted feature, which encodes face visual properties. In the proposed Pixel Clustering framework, two methods are defined, Intensity-patches and Position-patches. Intensity-patches defines regions in the image that have similar intensity values. Position-patches defines regions according to neighborhood of pixels. In both methods, a single feature is extracted for each region. These methods have higher accuracy compared to other state-of-the-art for face recognition techniques. As demonstrated in experiments with artificial data, Intensity-patches is able to extract discriminant features even though it is an unsupervised method. Value-patches is also used for image compression and, compared to the JPEG compression, it generates images more similar to the original for high level compression. The second proposed framework is inspired in the Fractional PCA (FPCA) method, and the Eigenfaces method for face recognition. Three feature extraction techniques are proposed using this framework: Fractional Eigenfaces, Improved Fractional Eigenfaces, and Improved Eigenfaces. These methods presented higher accuracy rates in the face recognition problem compared to FPCA and Eigenfaces. An explanation for their performance is presented using a data visualization experiment: we show that the decision frontier is enlarged, and samples of the same class are approximated, avoiding class overlap.

Made available in DSpace on 2014-06-12T15:54:30Z (GMT). No. of bitstreams: 2 arquivo7155_1.pdf: 666963 bytes, checksum: 56eeb6eb903215d0a8b285686ffe780a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / O trabalho de pesquisa aqui apresentado teve como objetivo principal melhorar o desempenho de chatterbots em diálogos livres com usuários. Chatterbots são sistemas computacionais que se propõem a conversar em linguagem natural como se fossem humanos. O primeiro desses sistemas foi ELIZA, desenvolvido em 1965 por Weizenbaum. Desde então, inúmeros sistemas foram produzidos com esse mesmo objetivo. Porém, uma série de problemas ainda continuam em aberto, dentre os quais, o tratamento de intenção, questão central na interpretação de diálogos naturais. Nesse sentido, desenvolvemos um mecanismo para tratamento de intenção para ser incorporado a chatterbots baseados em AIML. Adotamos como base conceitual para o trabalho a Teoria da Análise da Conversação (TAC), por considerar a intenção em pares adjacentes, e não apenas na sentença do falante, como a Teoria dos Atos de Fala. Com base na TAC e em experimentos realizados, selecionamos um conjunto de intenções, que foram utilizadas na criação de regras em AIML que utilizam informações de intencionalidade para interpretar e gerar sentenças em diálogos naturais. A solução final foi testada em uma série de experimentos, e demonstrou ser capaz de corrigir alguns problemas presentes em diálogos com chatterbots. Por exemplo, o sistema baseado em AIML padrão tratou 40% das sentenças dos usuários como sendo desconhecidas, enquanto o nosso sistema classificou apenas 3,5% das sentenças como totalmente desconhecidas. Além disso, o sistema foi capaz de manter a estrutura global dos diálogos, criticando turnos de abertura ou fechamento que foram ditos no desenvolvimento, ou turnos de desenvolvimento ditos na abertura ou fechamento. Por fim, implementamos três aplicações com chatterbots, o que demonstra que a solução adotada favorece o reuso de categorias em bases AIML, processo extremamente custoso do ponto de vista de engenharia de software com os sistemas atuais