Spelling suggestions: "subject:"inteligência artificial"" "subject:"inteligência aartificial""
271 |
Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.Marcus Vinicius Carvalho Guelpeli 00 December 2003 (has links)
Este trabalho apresenta um novo modelo de módulo de diagnóstico para ser incluído na arquitetura tradicional de Sistemas de Tutores Inteligentes. Neste módulo, são aplicadas técnicas de Aprendizado por Reforço (algoritmo Q-Learning), o que possibilita modelar autonomamente o aprendiz. Um valor de utilidade é calculado baseado em uma tabela de pares estado-ação, a partir da qual o algoritmo estima reforços futuros que representam os estados cognitivos do aprendiz. A melhor política a ser usada pelo tutor para qualquer estado cognitivo do aprendiz é disponibilizada pelo próprio algoritmo de Aprendizado por Reforço, sem que seja necessário um modelo explícito do aprendiz.
|
272 |
Modelo conceitual formal de relacionamentos do ordenamento jurídico positivoAlexandre Lopes Machado 09 December 2013 (has links)
A informação jurídica é inerentemente caracterizada por relacionamentos. A regra geral é que qualquer documento deste domínio está sempre inserido em um contexto, parte do ordenamento jurídico. Ordenamento jurídico pode ser definido como um conjunto de normas. Sendo assim, conceitos de uma norma jurídica são importantes para o entendimento de outra norma jurídica. Entretanto, essa caracter?stica do ordenamento jur?dico causa dificuldade para o entendimento de uma norma, uma vez que o seu entendimento pleno exige um conjunto de conhecimentos sobre a dependencia jur?dica entre as normas que tratam um determinado assunto. As abordagens encontradas na literatura nao sao suficientes para explicitar este conhecimento. Considerando essa dificuldade, esta pesquisa destaca a importancia da modelagem dos relacionamentos entre as normas jur?dicas em um modelo conceitual formal visando capturar de forma clara, concisa e nao amb?gua a dependencia jur?dica entre as normas. O papel da modelagem conceitual e estabelecer um entendimento comum da realidade entre os seres humanos que serao usuarios do ambiente de conhecimento decorrente, levando a solucoes tendo como foco mais os seres humanos e menos as maquinas. Neste contexto, o trabalho propoe um modelo conceitual formal, baseado em ontologias, visando a sistematizar e explicitar o conhecimento legal com enfase nos relacionamentos existentes no Ordenamento Jur?dico Positivo, tratando o assunto da norma de forma textual, e permitindo, consequentemente, o entendimento compartilhado dos conceitos e relacionamentos, beneficiando a interoperabilidade semantica. Devido `a complexidade do dom?nio, adotamos a utilizacao de ontologias de referencia (heavyweight ontology) para capturar os conceitos e relacionamentos do dom?nio legal. Buscando-se a instanciacao dessas ontologias, implementamos algumas ontologias leves (lightweight ontology) com diferentes n?veis de expressividade, para atender a requisitos computacionais. Com o intituito de avaliar o modelo proposto, aplicamos o modelo em alguns cenarios de visao. Desenvolvemos, entao, um prototipo de software, que implementa o modelo proposto. Por fim, esse prototipo e instanciado com um subconjunto de normas do Ordenamento Jur?dico Brasileiro. Resultados obtidos indicam que relacionamentos complexos, impl?citos nas normas, puderam ser explicitados.
|
273 |
Análise da relevância semântica na seleção de atributos para a mineração de dadosAdriana da Silva Jacinto 13 November 2015 (has links)
A cada dia, mais dados podem ser armazenados e, portanto, analisados. Em cada conjunto de dados, a tendência é haver uma quantidade cada vez maior de atributos. A obtenção de modelos de mineração de dados, que revelem alguma informação importante, depende da seleção dos atributos mais relevantes, mas determinar a relevância de um atributo em certo contexto não é uma tarefa fácil. Por isso mesmo, apenas pela análise dos dados, em geral, os métodos de seleção de atributos falham em identificar atributos relevantes, incluem atributos irrelevantes e não reconhecem quando há atributos redundantes entre si. Por outro lado, quando se leva em conta o domínio de conhecimento de onde os dados foram coletados, a análise do significado de cada atributo pode indicar sua importância, contudo, isso pode não ser facilmente compreendido por alguém que não esteja familiarizado com o domínio considerado. De qualquer forma, na prática, a análise da semântica dos atributos é feita de forma manual, o que pode ocasionar enganos, custos e desperdício de tempo. Assim, partindo da hipótese de que a incorporação de semântica na atividade de seleção de atributos leva à escolha de atributos mais relevantes e à geração de modelos de mineração mais significativos, para a tarefa de classificação em mineração de dados, um modelo semântico estatístico que propicia a incorporação de semântica à seleção feita pelos métodos tradicionais foi definido. O modelo emprega ontologia, base linguística e recuperação de informação. Com base neste modelo e utilizando conjuntos de dados reais, procedeu-se a um estudo de caso, a partir do qual se pôde observar seleção de atributos mais relevantes.
|
274 |
Utilização de Inteligência Artificial, através de inferência difusa, na correlação de métodos de diagnóstico de Insuficiência Cardíaca (IC)Jorge Luís Guedes Alves 25 November 2015 (has links)
Esta pesquisa tem por objetivo investigar o estado da arte referente à Inteligência Artificial, através da utilização de lógica Fuzzy, endereçando-a ao domínio de conhecimento do grupo de pesquisadores da Universidade de São Paulo (USP), que atuam no Instituto do Coração (InCor) e criaram um novo biomarcador de diagnóstico de insuficiência cardíaca, baseado em acetona exalada. Com o desenvolvimento e implementação de um modelo computacional de Fuzzy, utilizando uma base de dados do InCor com 109 pacientes, através de inferência difusa, é possível propiciar uma análise mais refinada e com maior sensibilidade do diagnóstico de Insuficiência Cardíaca (IC) a partir dos dois biomarcadores da doença, a acetona exalada (recentemente descrita) e o Peptídeo Natriurético do tipo B (BNP). O resultado da correlação dos dois biomarcadores mostra ao profissional médico o diagnóstico de IC na forma linguística e pode ajudar na elaboração de uma melhor terapia no tratamento dos pacientes.
|
275 |
Uma abordagem neuro- nebulosa para otimização de sistema e indentificação robustaSilva, Ivan Nunes da 17 December 1997 (has links)
Orientadores: Wagner Caradori do Amaral, Lucia Valeria R. de Arruda / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-23T06:01:11Z (GMT). No. of bitstreams: 1
Silva_IvanNunesda_D.pdf: 8988554 bytes, checksum: 75aa61f1a4a1444c73e7b3e7f3e42f48 (MD5)
Previous issue date: 1997 / Resumo: A habilidade de redes neurais em solucionar problemas complexos e variados, as tornam uma abordagem atrativa a ser aplicada em diversas áreas de engenharia e ciências. Uma rede neural é basicamente composta de inúmeros elementos processadores simples com um alto grau de conectividade entre eles. Esta tese propõe uma arquitetura de uma rede neural artificial aplicável na solução de problemas de otimização com restrições. Mais especificamente, um modelo baseado na rede de Hopfield é proposto para resolver diferentes tipos de problemas de otimização, incluindo problemas de programação dinâmica e otimização combinatorial, e também problemas de identificação robusta com erro desconhecido mas limitado. Um sistema baseado em lógica nebulosa é desenvolvido com o propósito de conduzir, de forma eficiente, a convergência da rede em direção a seus pontos de equilíbrio. Os parâmetros internos da rede, associados às restrições, são derivados utilizando a técnica de subespaço válido de soluções. Resultados de simulações são apresentados para ilustrar o desempenho da abordagem proposta / Abstract: The ability of artificial neural networks to solve complex and diversified problems make them attractive for application in many áreas of engineering and science. A neural network is basically composed of many simple processing elements with a high degree of connectivity among them. This thesis presents an architecture of artificial neural network to apply in optimization problems with constraints. More specifically, a topology based in the Hopfield networks is proposed to solve some optimization problems, including dynamic programming and combinatorial optimization, and also robust parametric identification problems with unknown-but-bounded disturbance. In this case, the network is used to calculate the parametric uncertainty intervals and the feasible membership set for model parameters. A rule-based fuzzy system has been developed in order to improve the efficiency and the network convergence to the equilibrium points. The internal parameters of the network, associated with the constraints imposed by a specific problem, are explicitally computed using a valid-subspace technique. Simulation results are provided to illustrate the performance of the proposed approach / Doutorado / Doutor em Engenharia Elétrica
|
276 |
Metodologia para desagregação de cargas em instalações residenciais através de medidores cognitivos de energia /Paes, Felipe Leite. January 2018 (has links)
Orientador: Fernando Pinhabel Marafão / Coorientador: Wesley Angelino de Souza / Banca: Renato Moraes Silva / Banca: Eduardo Paciência Godoy / Resumo: As redes inteligentes de energia indicam para uma nova arquitetura dos sistemas de distribuição de energia elétrica, a qual deve se consolidar nas próximas décadas, em um cenário repleto de dispositivos e sistemas dotados de "inteligência". Atualmente, os medidores inteligentes de energia possibilitam a integração e comunicação dos dispositivos em uma rede de dados, propiciando a concepção de uma rede inteligente de energia. Neste contexto, o medidor cognitivo de energia vem sendo apresentado como a evolução do medidor inteligente de energia e tem como diferencial a capacidade de desagregação de cargas, que do ponto de vista de redes inteligentes de energia pode fornecer informações importantes para sua operação. Assim, esse trabalho propõe uma metodologia de desagregação de cargas para o medidor cognitivo de energia em um cenário com cargas monofásicas, bifásicas e trifásicas. O estudo inclui a criação de uma base de dados para cargas bifásicas, implementação de um sistema de monitoramento / detecção de eventos com identificação das fases ligadas ao evento e o processo de classificação do KNN, que a partir da base de dados consegue desagregar as cargas nesse novo cenário / Abstract: The smart grids point us a new architecture of electrical power distribution systems, which must be consolidated in the next decades, in a scenario full of devices and systems that bring us a new level of intelligence. Currently Smart meters enable the integration and communication of devices in a data network, enabling the design of a smart grid. In this context, the cognitive energy meter has been presented as the evolution of the smart power meter, and it has as differential the capacity of load disaggregation, which for smart grids can provide relevant information for its operation. Thus, this work presents a study on the application of load disaggregation techniques using a non-intrusive monitoring system for the two-phase and three-phase residential installations. The study includes the creation of a database for two-phase loads, implementation of an event monitoring / detection system with identification of phases related to the event and the classification process of KNN, which from the database can disaggregate loads in this new scenario / Mestre
|
277 |
Descoberta de conhecimento em múltiplas perspectivas : aplicação em bases de dados do ICMSGomes Junior, Jose Aguilberto Silveira 27 June 2002 (has links)
Made available in DSpace on 2019-03-30T00:33:44Z (GMT). No. of bitstreams: 0
Previous issue date: 2002-06-27 / In this work, we describe the methodology and techniques used in the task of exploring the tax database (ICMS) of the Secretary of the Treasury of the State of Ceara along with the initial results obtained from this process. It is a practical work within the context of Knowledge Engineering that makes use of organizational modeling techniques and inductive algorithms from automatic learning. The main contribution of this study lies in developing a methodology to assist in preparing data for submission to a concept formation algorithm that generates hierarchies which can then be viewed from various perspectives. This approach permits Treasury specialists to better structure information contained in the database and to abstract knowledge from it. The algorithm FORMVIEW generates concept hierarchies and reveals relationships between different hierarchical perspectives providing a means through which individuals of dissimilar levels of expertise may better communicate with one another. / Neste trabalho, descreve-se a metodologia e as técnicas usadas no trabalho de exploração de bases de dados do ICMS da Secretaria da Fazenda do Estado do Ceará e os primeiros resultados alcançados a partir deste processo. Trata-se de um trabalho prático que se insere no contexto da Engenharia do Conhecimento e faz recurso às técnicas de modelagem organizacional e algoritmos indutivos de aprendizagem automática. A contribuição principal da pesquisa desenvolvida consiste no desenvolvimento de uma metodologia de auxílio à preparação dos dados a serem submetidos a um algoritmo de formação de conceitos, que podem ser visualizados em diferentes perspectivas. Este enfoque visa dar aos especialistas de uma organização, em particular os especialistas fazendários, uma forma melhor de estruturar as informações contidas nos bancos de dados e a descobrir conhecimento a partir dos mesmos. O algoritmo FORMVIEW gera hierarquias de conceitos e descobre relacionamentos entre as hierarquias de diferentes perspectivas, o que fornece um mecanismo para prover comunicação entre diferentes expertises.
|
278 |
Um modelo híbrido para apoio ao diagnóstico de diabetesMenezes, Andréa Carvalho 26 April 2013 (has links)
Made available in DSpace on 2019-03-29T23:38:25Z (GMT). No. of bitstreams: 0
Previous issue date: 2013-04-26 / Diabetes is a metabolic disorder that affects over 371 million people worldwide and half of these people don t know their condition. The number of people with diabetes continues to grow, only in 2012, there were 4.8 million deaths and 471 billion dollars spent. The diagnosis when performed early is essential because associated with the correct treatment, may delay the onset of chronic complications, providing better living conditions for patients and reducing the social and economic impact, bringing substantial gains in economic growth of countries. The objective of this work is to propose a hybrid model to create an Expert System, structured in probability rules by applying Bayesian Networks, Multiple Criteria Decision Analysis and representation of knowledge structured in production rules and probability (Artificial Intelligence) to improve the diagnosis process, focusing on the diagnosis of type 2 diabetes. Initially we mapped the parameters for diagnosing the disease and conducted a survey of available data sets of diabetes. To identify the parameters of greatest impact in defining the diagnosis of diabetes, the Multiple Criteria Decision Analysis Methodology was applied, by applying the method MACBETH. Therefore, a computational tool has been developed to register the data set and automatically generate Bayesian Networks, using the Netica-J API, and matrices of judgements. The matrices consistency is checked by the software Hiview and generated the numerical scale of preferences. The Expert SINTA was used to construct the Expert System. The proposed model was applied to a Canadian dataset (Statistics Canada) with 4,611 diabetic patients and a Brazilian dataset provided by the company CAMED, with 1,222 diabetic patients.
Keywords: Diabetes, early diagnosis, Hybrid Model, Multicriteria, Bayesian Network, Expert System. / O Diabetes é um distúrbio metabólico que afeta mais de 371 milhões de pessoas no mundo e metade dessas pessoas desconhece sua própria condição. O número de pessoas com Diabetes continua a crescer, só em 2012, foram 4,8 milhões de mortes e 471 bilhões de dólares gastos. O diagnóstico precoce é imprescindível, pois associado ao tratamento adequado pode postergar o aparecimento de complicações crônicas, proporcionando melhores condições de vida aos pacientes e reduzindo o impacto social e econômico, trazendo ganhos substanciais no crescimento econômico dos países. O objetivo deste trabalho é propor um modelo híbrido para a criação de um Sistema Especialista, estruturado em regras de probabilidade, aplicando Redes Bayesianas, Metodologias Multicritério de Apoio à Decisão e representações de conhecimento estruturadas em regras de produção e probabilidade (Inteligência Artificial) para aprimoramento do processo de diagnóstico, com foco no diagnóstico de Diabetes tipo 2. Inicialmente foi realizado um mapeamento dos parâmetros para diagnosticar a doença e um levantamento das bases de dados disponíveis de Diabetes. Para identificar os parâmetros de maior impacto na definição do diagnóstico de Diabetes, aplicou-se a Metodologia Multicritério de Apoio à Decisão, através da aplicação do método MACBETH. Para tanto, foi desenvolvida uma ferramenta computacional a fim de cadastrar as bases de dados e gerar Redes Bayesianas, utilizando a API Netica-J, e Matrizes Juízo de Valor. A consistência das matrizes é verificada através da ferramenta Hiview e gerada a escala numérica de preferências. Para a construção do Sistema Especialista utilizou-se o Expert SINTA. O modelo proposto foi aplicado a uma base de dados canadense (Statistics Canada), com 4.611 diabéticos, e uma base de dados brasileira cedida pela empresa CAMED, com 1.222 diabéticos.
Palavras-chave: Diabetes, diagnóstico precoce, Modelo híbrido, Multicritério, Redes Bayesianas, Sistema Especialista.
|
279 |
Classificação automática para avaliar exercícios físicos feitos por crianças quando participam de exergames em smartphones / Classification for evaluating children's physical exercises in mobile exergames (Inglês)Carvalho, Lucas de Moura 21 December 2015 (has links)
Made available in DSpace on 2019-03-29T23:52:36Z (GMT). No. of bitstreams: 0
Previous issue date: 2015-12-21 / In the present work, we describe the use of automatic classification to evaluate children's exercise when engaging exergames on smartphones. The proposed solution has an intelligent monitoring module of the child's physical exercises, where the smartphone is used as a sensor of movements in the exercise and a system based on knowledge produced by machine learning checks its quality. In this paper we describe the methodology used to build this knowledge base, and in detail the machine learning strategy that allowed training the application to identify when an exercise is being done properly by the child. The results, in terms of accuracy in identifying correct moves by the exergame using the knowledge base, are also analyzed to finally show the implementation details of the embedded application and understand the impact of exercise classification on the performance motivation.
Keywords: Exergames, Human Activity Recognition, Gaming Behavior, Classification. / Resumo: Neste trabalho, nós descrevemos a utilização da classificação automática para avaliar exercícios físicos feitos por crianças quando participam de exergames em smartphones. A solução proposta possui um módulo de monitoramento inteligente da realização dos exercícios físicos feitos pela criança, onde o smartphone é utilizado como sensor dos movimentos executados no exercício físico e um sistema baseado em conhecimento produzido por aprendizagem automática verifica a qualidade do mesmo. Neste trabalho descreveremos a metodologia usada para construir essa base de conhecimento e detalharemos a estratégia de aprendizado de máquina que permitiu treinar o aplicativo a identificar quando um exercício físico está sendo feito corretamente por uma criança. Os resultados, em termos de acurácia na identificação de movimentos corretos pelo exergame usando a base de conhecimento, são igualmente analisados para, por fim, mostrarmos os detalhes de implementação do aplicativo embarcado e entendermos o impacto da classificação do exercício na motivação para execução dos mesmos.
Palavras-chave: Exergames, Reconhecimento de atividades humanas, Gaming Behavior, Classificação.
|
280 |
Máquinas, mônadas, daemons : uma breve história e filosofia da máquina universal de TuringCardoso Filho, Carlos Antonio January 2016 (has links)
A máquina universal, ideia proposta por Alan Turing em 1936, seria uma máquina capaz de computar e executar qualquer máquina computável, vindo a ser tomada como um dos modelos abstratos do computador. Colocamos como problema a questão de saber o que pode uma máquina universal. Propomos dois modos de abordar a constituição de um pensamento sobre máquinas universais. O primeiro modo será desenvolvido através da construção de redes, no sentido que lhes é dado pela Teoria Ator-Rede. Com as redes teceremos uma narrativa histórica da máquina universal, com o intuito de mostrar que não há uma máquina universal, mas uma multiplicidade de máquinas, cada uma ligada e produzida por determinados coletivos que agregam as mais diversas forças, alianças e controvérsias envolvendo atores humanos e não-humanos. Esta história será realizada, primeiro, no âmbito de lógica e da matemática, e posteriormente em sua relação com linguagens de programação, engenharia de software e software livre. O segundo modo de constituição de um pensamento acerca de máquinas universais será dado por dobras, entendidas como procedimentos pelos quais o tempo dobrado, aproximando problemas, temporalidades e conceitos. Nas dobras a máquina universal será problematizada primeiro em sua relação com o pensamento na obra de Turing, segundo com o problema da interação e seus paralelos com as mônadas fechadas e abertas e, em terceiro, na relação estabelecida com a subjetividade através da figura do daemon e da concepção de uma cognição estendida. / The idea of "universal machine" was proposed by Alan Turing in 1936. The universal machine would be a machine able of computing and executing any computable machine, being taken as one abstract model of the computer. As a problem, we put the question about what can a universal machine do. We propose two ways to approach the creation of a thought about universal machines. The first mode will be developed through the construction of networks, in the sense given to them by the Actor-Network Theory. With the networks we will weave a historical narrative of the universal machine, in order to show that there is not a universal machine, but a multitude of machines, each linked and produced by certain groups that congregate the most diverse forces, alliances and disputes involving human and nohuman actors. This history will be made, first, in the context of logic and mathematics, and later in its relation to programming languages, software engineering and open source software. The second mode of thinking about universal machines will be made through folds, understood them as procedures by which time is folded, approaching problems, concepts and temporality. In the folds the universal machine will be problematized first in its relationship with the thought in the work of Turing, second, with the problem of interaction and its parallels with the open and closed monads and, thirdly, the relationship established with the subjectivity through the daemon figure and the concept of extended cognition.
|
Page generated in 0.0966 seconds