Este trabalho apresenta os resultados do desenvolvimento de um sistema supervisor inteligente on-line para os fornos de aquecimento de petróleo crú da unidade de destilação atmosférica de uma refinaria petrollfera. o processo de tomada de decisão fica a cargo do sistema especialista implementado que utiliza um banco de regras contendo conhecimento especializado extraldo dos operadores de processo. O sistema especialista foi implementado na linguagem OPS5. Desenvolveu-se também um simulador on-line que avalia as condições de operação e cujos resultados são submetidos ao sistema especialista. Estabeleceu-se um modelamento do forno baseado nas equações de transferência de calor por radiação, convecção e condução utilizadas no projeto de fornos de aquecimento de 6leos. Este trabalho se justifica pela necessidade de dar aos operadores de processo uma ferramenta de apoio para a melhoria do desempenho operacional dos equipamentos de processos.

Este trabalho teve por objetivo desenvolver metodologias para processamento inteligentes de alarmes. O problema de processamento de alarmes está presente em qualquer sistema sofisticado de supervisão e controle - plantas industriais, sistemas elétricos de potência, etc. e pode ser descrito resumidamente como: dado um conjunto de alarmes, determinar os eventos primários que causariam os alarmes. A importância do processamento de alarmes está associada à fase posterior, isto é, a determinação dos procedimentos de restauração à normalidade. Técnicas de inteligência artificial são adequadas para este propósito.Foram montados dois protótipos de Processadores de Inteligência Artificial : Redes Neurais e Sistemas de Produção. Fez-se uma comparação entre os dois métodos operando em tempo real, tendo-se obtido resultados animadores.

O objetivo deste trabalho é aplicar técnicas de inteligência artificial ao apoio ao processo de tomada de decisão em diagnose de lesões ósseas malignas. Com vistas à obtenção de um produto portátil e de baixo custo este trabalho foi direcionado para a linha IBM-PC. Trata se de yn sistema especialista, denominado PATHO, desenvolvido com o suporte da ferramenta VP-EXPERT específica para a construção de sistema desta natureza. O conhecimento adquirido de especialistas e da literatura da área, for armazenado sob a forma de regras tipo IF-THEN e abrange diagnósticos diferenciais de lesões ósseas tumorais malignas. O motor de inferência do VP-EXPERT é ativado a partir de informações, fornecidas pelo usuário, sobre o estado clínico do paciente, radiografias, exames laboratoriais e biópsia. A base de conhecimento, então, é processada, através de uma estratégia de busca top-down, são geradas resultados, sob a forma de diagnósticos prováveis, listados em ordem decrescente de fatores de certeza. A avaliação de desempenho do PATHO foi auxiliada pelo SAAD - Sistema de Avaliação Automática de Desempenho, que foi desenvolvido, como parte deste trabalho, para facilitar a árdua tarefa de refinar a base de conhecimento.

Neste trabalho apresenta-se um sistema de processamento de imagens que procura solucionar duas das dificuldades no uso de tais sistemas: o alto custo do hardware para visualização de imagens e a complexidade das tarefas de processamento de imagens, que implicam na necessidade de se ter especialistas para cada tarefa existente. Para resolver o primeiro dos problemas mencionados, o sistema usa, como memória de imagem para visualização, placas de vídeo conhecidas como "super VGA" para baixar o custo do equipamento. Para facilitar o uso dos aplicativos do sistema, o sistema faz uso de técnicas de inteligência artificial na forma de sistemas especialistas tutores para as diversas aplicações

Espera-se que, em jogos, agentes controlados pelo computador, denominados NPCs, apresentem comportamentos convincentes, que se adaptem de acordo com a situação corrente. Jogos modernos geralmente utilizam técnicas simples de IA, que falham em atender esta expectativa. Este trabalho de pesquisa apresenta uma abordagem para a criação de uma arquitetura de IA para jogos capaz de adaptar o comportamento de um agente em tempo real, de forma confiável, em resposta às ações do jogador humano, melhorando os níveis de desafio e reduzindo a previsibilidade dos NPCs. Para alcançar este objetivo, a arquitetura proposta identifica perfis de jogadores humanos e combina STDs simples e específicos, implementados por meio do uso de técnicas existentes de IA. Além da fundamentação teórica e uma pesquisa sobre trabalhos relacionados, este trabalho apresenta a aplicação da arquitetura proposta em um estudo de caso, visando uma verificação de sua aplicabilidade. Também são apresentadas discussões e análises referentes aos resultados obtidos.

Esta tese é uma ontologia para Tutoria Inteligente. Aqui, um sistema educacional é visto como um amplo processo composto por uma soma de vários tipos de sistemas educativos. A partir disto, propõe-se um sistema educativo cognitivista que envolve os professores e os estudantes em uma aprendizagem auxiliada por computadores. Nele, os professores estarão aprendendo sobre a aprendizagem, os estudantes estarão aprendendo a aprender e os computadores, em particular, serão usados como assistentes educacionais inteligentes. O elemento que catalisa esses papéis e ações é um modelo de Sistema de Tutoria Inteligente, um "shell" independente do domínio dedicado a dar oportunidade aos seres humanos de treinamento das habilidades cognitivas e conseqüente aquisição de perícia cognitiva, através da resolução de problema por múltiplos caminhos. Este Sistema de Tutoria Inteligente, que possui um modelo de representação do conhecimento baseado em idéias de Ausubel e Gagné, tem a sua adaptabilidade baseada numa função que é considerada como a idéia seminal deste trabalho de pesquisa: a função aderência conceitual.

Neste trabalho uma arquitetura multiagentes para Sistemas de Tutoria Inteligente é apresentada, tendo como principal característica um alto grau de adaptabilidade. Esta capacidade do sistema ajustar-se ao estado mental do estudante é obtida principalmente através da determinação dinâmica das meta, macro e microestratégias instrucionais utilizadas na tutoria. A arquitetura é formada por cinco módulos, quais sejam: Módulo de Percepção, Módulo do Estudante, Módulo do Domínio, Módulo de Tutoria e Módulo de Entrega. O Módulo de Percepção intermedia, de forma personalizada, a interação entre o sistema e o usuário, sendo formado pelos agentes Receptores. O Módulo do Estudante, formado pelo agente Guia, tem como principal função auxiliar na detecção do estado mental do estudante. O agente Informação compõe o Módulo do Domínio, manipulando de forma inteligente o domínio da aplicação. O Módulo de Tutoria é regido pelo pelo conceito de planejamento instrucional, sendo composto pelo agente Tutor. Este agente gera um plano de ensino personalizado para cada estudante. Tendo como base este plano determina, para cada nó do mesmo, a arquitetura intrucional adequada. Tal arquitetura instrucional corresponde à uma metaestratégia a ser adotada durante o processo de tutoria. Ap'so a determinação desta metaestratégia, cada nó plano é enviado ao Módulo de Entrega para que seja estruturado em termos didáticos/pedagógicos e posteriormente apresentado ao estudante. Para tanto, este Módulo é formado pela Sociedade Didática dos Agentes de Arquitetura Instrucional (SDAAI) e pela Sociedade dos Agentes de Eventos Instrucionais (SAEI). Tais sociedades trabalham com macro e microestratégias instrucionais, respectivamente. Foi desenvolvido um protótipo para ser executado na WWW, denominado ITStraegic, objetivando validar as principais idéias da arquitetura proposta.

Em aplicações de Aprendizagem por Reforço tais como a navegação de robôs autônomos, o uso de opções (macro-operadores) no lugar de ações de baixo nível tem sido considerado como um meio para produzir convergência mais rápida e uma exploração mais significativa do espaço de estados.Esta dissertação apresenta um estudo sobre a utilização de opções em Aprendizagem por Reforço com o objetivo de encontrar formas para acelerar o processo de aprendizagem. São abordados dois tipos de opções, opções OP e OS. Uma opção OP corresponde a uma política de ações que depende de todos os estados visitados durante a execução da opção, sendo que uma política de ações mapeia uma ação para cada estado do ambiente. O segundo tipo de opções, cuja proposta é uma das principais contribuições do trabalho, corresponde a uma seqüência fixa de ações, que depende exclusivamente do estado em que a opção foi disparada. O desempenho das opções OP e OS foi comparado através da realização de experimentos com o simulador do robô móvel Khepera usando-se o algoritmo de aprendizagem Q-Learning. Também foram realizados experimentos com as opções OP e uma adaptação do método de Campos Potenciais, no qual cada opção OP corresponde a um mapeamento de ações que podem aproximar o agente do seu alvo ou fazer com que o mesmo desvie de obstáculos. Para finalizar os estudos, algumas técnicas conhecidas na literatura que possibilitam melhoras na aprendizagem com opções OP, tais como o Término Melhorado e a utilização de Hierarquias foram aplicadas às opções OS. A primeira técnica possibilita que a execução de uma opção seja interrompida sempre que isto pareça ser melhor que ir até o final da mesma e a utilização de hierarquias permite uma categorização de comportamentos, fazendo a chamada de determinados comportamentos apenas quando estes forem necessários. Os resultados desta última fase experimental também são relatados na dissertação.

A aplicação de sistemas dinâmicos para processamento de informações é um tópico promissor de pesquisa. Um excelente exemplo são as redes neurais caóticas. Em geral, o caos tem duas características marcantes, quais são: complexidade dinâmica e grande regularidade. Estas características geram propriedades de sistemas caóticos muito ricas e, ao mesmo tempo, possivelmente tratáveis. A segmentação de cenários é um processo fundamental no processamento sensorial neural, porém o mecanismo neural básico continua bastante desconhecido. Considerações teóricas e estudos neuro-fisiológicos realizados no córtex visual de gatos revelam que a correlação oscilatória da atividade neural desempenha um papel importante no processo de segmentação. Geralmente, modelos de correlação oscilatória por segmentação de cenas requerem um mecanismo para sincronizar neurônios, o qual representa um objeto coerente e, ao mesmo tempo, outro para dessincronizar neurônios, o qual representa objetos diferentes. A principal dificuldade encontrada é tratar ao mesmo tempo estes dois fenômenos opostos: sincronização e assincronização. Chamamos o problema de Dilema da Sincronização-Assincronização: mais forte que a sincronização entre neurônios, mais difícil de conseguir que a assincronização e vice-versa. Para nosso conhecimento todos os modelos de correlação oscilatória esbarram neste problema. Neste trabalho de tese, é apresentada uma rede neural caótica LECON (Locally Excitatory Chaotic Oscillator Network) para tratar o problema supramencionado. É mostrado como o dilema sincronização-assincronização pode ser evitado pela sincronização e assincronização caótica. Com esta finalidade, primeiro é analisada a dinâmica caótica de um oscilador neural tipo Wilson-Cowan; a seguir, condições de sincronização caótica são analiticamente obtidas a partir de um vetor de N osciladores tipo Wilson-Cowan difusamente acoplados. Finalmente, é mostrado que o mecanismo de assincronização em uma rede LECON é garantido pela definição de caos. Comparada com outros modelos de correlação oscilatória, a rede LECON tem quatro características relevantes: 1) capacidade ilimitada de segmentação; 2) segmentação de forma paralela; 3) garantia teórica das funções do modelo; 4) tratamento matemático simples. Este modelo também representa um exemplo das vantagens do uso da dinâmica caótica para processamento de informações.

O treinamento de redes neurais artificiais, que pode ser visto como um problema de otimização, apresenta algumas dificuldades. Os algoritmos existentes para o treinamento de redes não são totalmente eficientes. Alguns apresentam falha de generalização ou baixa velocidade de convergência. Este trabalho propõe uma nova ferramenta para o treinamento de redes neurais artificiais do tipo feedforward chamada Time Assíncrono. O time assíncrono é uma estrutura que utiliza vários algoritmos com características diferentes. Os diferentes algoritmos trabalhando de modo paralelo, através do time assíncrono, aumentam a chance do treinamento obtido ser eficiente. É apresentada uma aplicação numérica do time assíncrono para o treinamento de uma rede neural artificial para reconhecimento de caracteres. Os resultados obtidos nesta análise prática mostra que o time assíncrono melhora o treinamento da rede. O erro quadrático médio obtido com o treinamento usando o time assíncrono é melhor do que os erros obtidos pelos algoritmos trabalhando sozinhos. Todo o trabalho foi realizado utilizando a rede de computadores do laboratório AT&T do tipo IBM-PC. Os algoritmos utilizados foram feitos em ambiente Matlab.