Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-07-13T19:23:52Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dusan Stosic - dissertacao de mestrado.pdf: 6434406 bytes, checksum: db312999879f1c3ebb1795ce764a272e (MD5) / Made available in DSpace on 2016-07-13T19:23:52Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dusan Stosic - dissertacao de mestrado.pdf: 6434406 bytes, checksum: db312999879f1c3ebb1795ce764a272e (MD5) Previous issue date: 2016-03-01 / CAPES / Pattern recognition plays an important role for solving many problems in our everyday lives: from simple tasks such as reading texts to more complex ones like driving cars. Subconsciously, the recognition of patterns is instantaneous and an innate ability to every human. However, programming (or “teaching”) a machine how to do the same can present an incredibly difficult task. There are many situations where irrelevant or misleading patterns, poorly represented classes, and complex decision boundaries make recognition very hard, or even impossible by current standards. Important contributions to the field of pattern recognition have been attained through the adoption of methods of statistical mechanics, which has paved the road for much of the research done in academia and industry, ranging from the revival of connectionism to modern day deep learning. Yet traditional statistical mechanics is not universal and has a limited domain of applicability - outside this domain it can make wrong predictions. Non-extensive statistical mechanics has recently emerged to cover a variety of anomalous situations that cannot be described within standard Boltzmann-Gibbs theory, such as non-ergodic systems characterized by long-range interactions, or long-term memories. The literature on pattern recognition is vast, and scattered with applications of non-extensive statistical mechanics. However, most of this work has been done using non-extensive entropy, and little can be found on practical applications of other non-extensive constructs. In particular, non-extensive entropy is widely used to improve segmentation of images that possess strongly correlated patterns, while only a small number of works employ concepts other than entropy for solving similar recognition tasks. The main goal of this dissertation is to expand applications of non-extensive distributions, namely the q-Gaussian, in pattern recognition. We present ourcontributions in the form of two (published) articles where practical uses of q-Gaussians are explored in neural networks. The first paper introduces q Gaussian transfer functions to improve classification of random neural networks, and the second paper extends this work to ensembles which involves combining a set of such classifiers via majority voting. / Reconhecimento de padrões tem um papel importante na solução de diversos problemas no nosso quotidiano: a partir de tarefas simples como ler textos, até as mais complexas como dirigir carros. Inconscientemente, o reconhecimento de padrões pelo cérebro é instantâneo, representando uma habilidade inata de cada ser humano. No entanto, programar (ou “ensinar”) uma máquina para fazer o mesmo pode se tornar uma tarefa extremamente difícil. Há muitas situações onde padrões irrelevantes ou enganosos, classes mal representadas, ou bordas de decisões complexas, tornam o reconhecimento muito difícil, ou mesmo impossível pelos padrões atuais. Diversas contribuições importantes na área de reconhecimento de padrões foram alcançadas através da aplicação de métodos provenientes da mecânica estatística, que estimularam uma grande parte da pesquisa conduzida na academia bem como na indústria, desde o renascimento de conexionismo até o moderno conceito de “deep learning”. No entanto, a mecânica estatística tradicional não é universal e tem um domínio de aplicação limitado - fora deste domínio ela pode fazer previsões erradas. A mecânica estatística não-extensiva surgiu recentemente para atender uma variedade de situações anômalas que não podem ser descritas de forma adequada com a teoria de Boltzmann-Gibbs, tais como sistemas não-ergódicos, caracterizadas por interações de longo alcance, ou memórias de longo prazo. A literatura sobre reconhecimento de padrões é vasta, e dispersa com aplicações da mecânica estatística não-extensiva. No entanto, a maioria destes trabalhos utilizam a entropia não-extensiva, e existem poucas aplicações práticas de outros conceitos não-extensivos. Em particular, a entropia não extensiva é amplamente usada para aperfeiçoar segmentação de imagens que possuem padrões fortemente correlacionados, enquanto apenas um pequeno número de trabalhos empregam outros conceitos não-extensivos para resolver tarefas semelhantes. O objetivo principal desta dissertação é expandir aplicações de distribuições não-extensivas, como a q-Gaussiana, em reconhecimento de padrões. Nos apresentamos as nossas contribuições no formato de dois artigos (publicados) onde exploramos usos práticos da q-Gaussiana em redes neurais. O primeiro artigo introduz funções de transferência baseados na q-Gaussiana para aperfeiçoar a classificação de redes neurais aleatórias, e o segundo artigo estende este trabalho para ensembles, onde um conjunto de tais classificadores são combinados através de votação por maioria.

Dissertação(mestrado) - Universidade Federal do Rio Grande, Programa de Pós-Graduação em Engenharia Oceânica, Escola de Engenharia, 2011. / Submitted by Lilian M. Silva (lilianmadeirasilva@hotmail.com) on 2013-04-22T00:35:01Z No. of bitstreams: 1 Ferramentas De Análise Inteligente Aplicadas Ao Planejamento E Controle Na Construção Naval.pdf: 3137434 bytes, checksum: 5991e1972c1e49f53d0396ffef49a88c (MD5) / Approved for entry into archive by Bruna Vieira(bruninha_vieira@ibest.com.br) on 2013-06-03T18:48:35Z (GMT) No. of bitstreams: 1 Ferramentas De Análise Inteligente Aplicadas Ao Planejamento E Controle Na Construção Naval.pdf: 3137434 bytes, checksum: 5991e1972c1e49f53d0396ffef49a88c (MD5) / Made available in DSpace on 2013-06-03T18:48:35Z (GMT). No. of bitstreams: 1 Ferramentas De Análise Inteligente Aplicadas Ao Planejamento E Controle Na Construção Naval.pdf: 3137434 bytes, checksum: 5991e1972c1e49f53d0396ffef49a88c (MD5) Previous issue date: 2011 / O objetivo deste trabalho é desenvolver um sistema baseado em inteligência artificial, com o uso de redes neurais artificiais, mais especificamente as arquiteturas de mapas auto-organizáveis utilizando o algoritmo de kohonen para agrupamento e multilayer perceptron (MLP) utilizando o algoritmo backpropagation para classificação de dados, que possibilite a melhoria do agregamento das diferentes partes estruturais dos navios, identificando os diversos elementos de uma família de produtos e os agrupando de acordo com os atributos de projeto e produtivos, utilizando os princípios da tecnologia de grupo de forma a mobilizar recursos específicos (Células de Manufatura) em sua concepção e minimizar custos. Fazendo uma analise dos principais métodos utilizados na construção naval para gerenciamento da produção, bem como as ferramentas aplicadas, são apresentados conceitos relativos à identificação das famílias de produtos intermediários, processos utilizados na construção naval, estrutura analítica do produto, conceitos de manufatura celular e tecnologia de grupo. A metodologia proposta para atender o objetivo deste trabalho, destaca a aplicação de técnicas inteligentes, sendo descrita a função de cada variável envolvida no sistema de agrupamento∕classificação de dados. De forma a contribuir nas funções de planejamento, com ganhos de eficiência na manufatura, facilidade de programação em seqüência de peças de uma mesma família, melhoria no controle do processo, planos de processo e instruções padronizadas, possibilidade de formação de células de manufatura e aumento da qualidade e controle da construção naval. / The objective of this work is to develop a system based on artificial intelligence, using artificial neuralnetworks, more specifically the self-organizing maps architectures, using Kohonen's algorithm for clustering and multilayer perceptron(MLP), using the backpropagation algorithm for data classification, which enables the enhancement of aggregation of different ships'structural parts, identifying the various elements of a products family and grouping them according to the attributes of project and productives, using group technology principles in order to mobilize specific resources(Manufacturing Cells)in its conception and minimize costs. Making an analysis of the main methods used in shipbuilding for production management, as well as the tools used, concepts are presented on the identification of intermediate products families, processes used in shipbuilding, product analytical structure, concepts of cellular manufacturing and group technology. The methodology proposed to serve the study objective highlights the application of intelligent techniques, being described the function of each variable involved in the system of data grouping/classification. In order to help in planning functions, with efficiency gains in manufacturing, ease of programming in sequences of same family parts, improvement in process control, process plans and standardized instructions, possibility of formation of manufacturing cells and increased shipbuilding control and quality.

Submitted by Pedro Barros (pedro.silvabarros@ufpe.br) on 2018-08-03T18:32:40Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Davi Carnaíba de Lima Vieira.pdf: 2812278 bytes, checksum: 49475e006f9c1cb1a583b085a286ad3f (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-08-09T17:13:59Z (GMT) No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Davi Carnaíba de Lima Vieira.pdf: 2812278 bytes, checksum: 49475e006f9c1cb1a583b085a286ad3f (MD5) / Made available in DSpace on 2018-08-09T17:13:59Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) TESE Davi Carnaíba de Lima Vieira.pdf: 2812278 bytes, checksum: 49475e006f9c1cb1a583b085a286ad3f (MD5) Previous issue date: 2016-03-03 / CAPES / Os algoritmos da Aprendizagem por Reforço (AR) têm sido amplamente utilizados para a construção de agentes autônomos. Inspirada no comportamento da aprendizagem animal, a AR é um paradigma que serve como base para algoritmos que aprendem por tentativa e erro. Apesar da sua popularidade e sua sólida base matemática e garantia teórica de convergência para uma solução ótima, a AR apresenta restrições de aplicação em tarefas em que o espaço de estados é muito grande. Por meio do agrupamento de estados similares é possível reduzir o tamanho do espaço de estados. Uma vez reduzido, o problema pode ser resolvido utilizando os algoritmos tradicionais da AR. A principal questão que se coloca aqui é como efetuar a agregação, de tal modo que, por um lado, se possa obter uma “boa” representação do espaço de estados, e pelo outro lado, o desempenho do modelo não degrade. Este é um dos grandes desafios da AR. Esta tese propõe agrupar estados similares, por meio do uso do mapa auto-organizável de Fritzke, como forma de reduzir o espaço de estados. A maior parte das pesquisas que envolvem o uso de algoritmos que discretizam o espaço de estados busca aprimorar o momento certo para a partição do espaço de estados, onde particionar e quando parar, enquanto os algoritmos AR permanecem inalterados. Esses trabalhos em geral resultam em algoritmos que não convergem em determinados problemas ou que possuem uma capacidade de aprendizagem “fraca”. O presente trabalho contribui mostrando a fragilidade destes algoritmos ao mesmo tempo em que apresenta uma solução eficaz para o problema. Esta tese compara o algoritmo proposto com quatro algoritmos AR chamados: Tile Coding (TC), Temporal Difference Adaptive Vector Quantification (TD-AVQ), Q(λ) com Discretização Uniforme (Q(λ)-DU) e Interpolating Growing Neural Gas Q-learning (IGNG-Q). Os experimentos mostram que o algoritmo proposto foi capaz de encontrar a solução dos cinco ambientes de teste envolvidos. Em comparação com o algoritmo TC, o algoritmo proposto foi capaz de proporcionar uma redução no uso da memória de 88%, 87%, 98% e 97% nos ambientes Continuous Maze, Slow Puddle World, Mountain Car e Acrobot, respectivamente. No teste, o algoritmo proposto foi o único capaz de produzir uma política utilizável nos ambientes Continuous Maze e Slow Puddle World. O presente trabalho também mostra que o algoritmo n-step Temporal Difference with Elegibility Traces (TD(nλ)) é mais indicado para o uso em ambientes discretizados que o Q(λ). O uso do algoritmo proposto com Discretização Uniforme (DU) foi capaz de mostrar convergência em problemas onde o Q(λ) não conseguiu. O produto final desta tese é um algoritmo robusto capaz de encontrar em tempo hábil uma solução para todos os ambientes de teste envolvidos. / Reinforcement Learning (RL) algorithms has been widely used for the construction of autonomous agents. Inspired by the behavior of animal learning, RL is a paradigm that serves as basis for algorithms that learn by trial and error. Despite its popularity, solid mathematical foundation and theoretical guarantee of convergence to an optimal solution, RL have applicability constraints on tasks where the state space is too large. By aggregating similar states one can reduce the state space size. Once reduced, the problem can be solved using traditional RL algorithms. The main question that arises here is how to realize the aggregation, so on the one hand, you can get a “good” representation of the state space, and on the other hand, the model performance does not degrade. This is one of the challenges of RL. This thesis proposes aggregation of similar states, through the use of Fritzke’s selforganizing map, in order to reduce the state space. Most research involving the use of algorithms that discretize the state space seek to improve the right time for the partition of the state space, where to partition and when to stop, while the RL algorithms remains unchanged. These works often result in algorithms that do not converge on certain problems or have a “weak” learning capacity. This work contributes showing the fragility of these algorithms while presents an effective solution to the problem. This thesis compares the proposed algorithm with four RL algorithms namely: Tile Coding (TC), Temporal Difference Adaptive Vector Quantization (TD-AVQ), Uniform Discretization (DU) and Interpolating Growing Neural Gas Q-learning (IGNG-Q). The experiments show that the proposed algorithm was able to find the solution on five testbed environments. Compared with TC, the proposed algorithm was able to provide a reduction in memory usage of 88%, 87%, 98% and 97% in the environments Continuous Maze, Slow Puddle World, Mountain Car and Acrobot respectively. In the test, the proposed algorithm was the only capable to found an solution for the environments Continuous Maze and Slow Puddle World. This thesis also shows that the RL algorithm proposed is more suitable for the use in discretized environments than Q(λ). The application of TD(nλ) with DU was able to show convergence in problems where Q(λ) failed. The final product of this thesis is a robust algorithm able to find in time a solution for all specified test environments.

Submitted by Pedro Barros (pedro.silvabarros@ufpe.br) on 2018-08-13T21:55:29Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTACAO José Henrique Marques Davino.pdf: 3355772 bytes, checksum: 1751ee49f93180159f006e79d445a387 (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-08-16T18:16:45Z (GMT) No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTACAO José Henrique Marques Davino.pdf: 3355772 bytes, checksum: 1751ee49f93180159f006e79d445a387 (MD5) / Made available in DSpace on 2018-08-16T18:16:45Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTACAO José Henrique Marques Davino.pdf: 3355772 bytes, checksum: 1751ee49f93180159f006e79d445a387 (MD5) Previous issue date: 2017-05-25 / Promover alternativas de locomoção que sejam de baixo custo e acessível à maioria da população é uma das maneiras para diminuir os problemas de mobilidade nos grandes centros urbanos. Considerando as estratégias existentes, a bicicleta é uma das mais interessantes, pois possibilita ao usuário se deslocar por pequenos trajetos em velocidades significativas, além de proporcionar benefícios à saúde. Apesar disso, as incertezas do trânsito, aliadas à ausência de informação sobre por onde transitar de forma segura têm contribuído para que muitos ciclistas não se sintam seguros em compartilhar as vias com os veículos. Neste estudo, apresentamos a proposta de um sistema de recomendação de rotas para ciclistas, capaz de sugerir opções de deslocamentos, considerando eventos dinâmicos, bem como as preferências dos usuários. O estudo contou com um experimento para avaliar a relevância das recomendações apresentadas. Os resultados mostram que o sistema consegue recomendar rotas sensíveis ao contexto dos usuários de forma adequada apoiando-os na escolha de um trajeto. / To promote transportation alternatives that are low-cost and accessible to the majority of the population is one possible way to decrease mobility problems in major urban centers. Amongst the current choices, cycling is one of the most interesting, since it enables the user to move through small paths with significant speed, in addition to providing health benefits. However, the uncertainties of the traffic combined with the lack of information about where to cycle safely, have been contributing to the fact that many cyclists do not feel safe to share the roads with vehicles. In this study, we present the proposal of a system for recommending cycling routes, able to suggest alternative routes for cyclists to move around, considering dynamic events, and users’ preferences. This study included an experiment to assess the relevance of the recommendations made. The results show that the system can recommend properly routes that are sensitive to user's context supporting them in the choice of a route.

Made available in DSpace on 2018-08-01T22:35:53Z (GMT). No. of bitstreams: 1 tese_11765_Dissertação JEFERSON 2018-Final.pdf: 4406644 bytes, checksum: 0baf7d2721f4cabcec877505e31b18d1 (MD5) Previous issue date: 2018-02-28 / O objetivo deste estudo foi avaliar o emprego das técnicas Random Forest (RF) e Sistema Neuro-Fuzzy (SNF) na prognose da produção florestal. Os dados utilizados foram provenientes de inventários florestais contínuos conduzidos em povoamentos de clones de eucalipto, localizados no sul da Bahia. O processamento dos dados foi realizado no software Matlab R2016a. Os dados foram divididos em 70% para de treinamento e 30% para validação. Os algoritmos usados para geração de regras no SNF foram Subtractive Clustering (SC) e Fuzzy-C-Means (FCM). O treinamento foi feito com o algoritmo híbrido (gradiente descente e mínimos quadrados) com o número de épocas variando de 1 a 20. As funções de pertinências associadas às variáveis de entradas foram do tipo gaussianas e a função linear na de saída. Foram treinadas várias RF variando o número de árvores de 50 a 850 e o número de observações por folhas de 5 a 35. A modelagem da produção florestal de povoamentos clonais de eucalipto pode ser realizada com SNF e RF. Os algoritmos SC e FCM fornecem estimativas acuradas na projeção de área basal e volume. A RF apresentou estatísticas inferiores em relação a SNF para prognose da produção florestal. Ambas as técnicas são boas alternativas para seleção de variáveis empregadas na modelagem da produção florestal. Palavras-chave: Inteligência artificial, ensemble learning, mensuração florestal.

Orientador: Fernando Antonio Campos Gomide / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T03:43:02Z (GMT). No. of bitstreams: 1 Fabro_JoaoAlberto_M.pdf: 3614777 bytes, checksum: 2eed999b8ccd3a1573c5ec1bd7c10fde (MD5) Previous issue date: 1996 / Resumo: Neste trabalho é apresentada uma arquitetura de controle para navegação de veículos autônomos, usando auto-organização e técnicas de redes neurais e lógica nebulosa. O objetivo é encontrar alvos posicionados em um ambiente desconhecido, sem entretanto colidir com obstáculos. A arquitetura faz uso da teoria dos grupos neurais, de redes neurais e sistemas nebulosos, para o aprendizado de habilidades de navegação. Sensores neurais/nebulosos são utilizados para fornecer informações que possibilitem aos campos adaptativos ativarem ações nebulosas em resposta às características encontradas no ambiente. Ou seja, o sistema de controle desenvolve um comportamento adaptativo através das interações entre o veículo e o ambiente, e de estratégias de aprendizado. Resultados de simulação mostram que o sistema apresenta capacidade de aprender estratégias de navegação que proporcionam um melhor desempenho quando comparadas com esquemas alternativos utilizados para a solução do mesmo problema / Abstract: In this work a seIf organizing, neurofuzzy control architecture for a class of autonomous vehicles' navigation is presented. The aim is to find target positions, without colliding with obstacles of an unknown environment. The architecture uses neural networks and fuzzy systems together with the theory of neuronal group seIection to learn navigation skills. Neurofuzzy sensor information builds up adaptive fieIds whose intensity triggers fuzzy control actions in response to the environment characteristics. That is, the control system deveIops adaptive behavior from the interactions between the vehicle, the environment,and Iearning strategies. Simulation results show that the control system is able to efficiently learn navigation strategies that perform better when compared with altemative schemes / Mestrado / Mestre em Engenharia Elétrica

Orientador: Fernando Antonio Campos Gomide / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-21T09:31:11Z (GMT). No. of bitstreams: 1 Gudwin_RicardoRibeiro_D.pdf: 16521950 bytes, checksum: c05d7319ddc3cfb31db8472457c7099a (MD5) Previous issue date: 1996 / Resumo: Neste trabalho, apresenta-se uma fundamentação para o estudo matemático de sistemas inteligentes. A relação entre semiótica e inteligência é investigada, e utilizada para a geração de estruturas formais de representação do conhecimento. Estas estruturas são utilizadas então para compor os módulos que integram um sistema inteligente. Inicialmente, apresenta-se uma análise da relação entre semiótica e sistemas inteligentes. Em seguida, inicia-se a fundamentação formal, com a definição matemática de objeto e de redes de objetos. Apesar destas definições serem apresentadas visando seu uso na elaboração das estruturas de representação do conhecimento, elas contém características que permitem denotá-las como fundamentos de uma teoria geral dos objetos que engloba, além disso, sistemas orientados a objetos e programação orientada a objetos. As definições formais de objetos e redes de objetos são utilizadas então para a definição de estruturas de representação e processamento do conhecimento, para os diferentes tipos de conhecimento identificados a partir da análise entre semiótica e sistemas inteligentes. Por fim, é analisada uma aplicação-exemplo de um sistema inteligente, construído a partir das idéias anteriormente expostas. Essa aplicação considera o problema do controle de um veículo autônomo / Abstract: In this work, we present the foundations for a mathematical study of intelligent systems. The relation between semiotics and intelligence is addressed and it is used to generate formal structures for representing and processing knowledge. Those structures are then used to compose the modules that integrate an intelligent system. lnitially, we present an analysis for the relation between semiotics and intelligent systems. After that, we begin the formal development,with the mathematical definitions of objects and objects networks. Besides those definitions being presented concerning its use in the elaboration of knowledge representation structures, they have characteristics that allow its use as a foundation for a general theory for objects, which addresses as well, object-oriented systems and object-oriented programming. The formal definitions of objects and objects networks are then used to define the knowledge representation and processing structures, starting from the analysis between semiotics and intelligent systems. At the end, we analyze an application example of an intelligent system, built within the spirit of the former ideas. This application considers the navigation problem, i.e., the control of an autonomous vehicle / Doutorado / Doutor em Engenharia Elétrica

Orientador: Armando Freitas da Rocha / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T10:09:31Z (GMT). No. of bitstreams: 1 Guilherme_IvanRizzo_D.pdf: 5606163 bytes, checksum: 47d26d431a2346e5eebd61c58b6058a4 (MD5) Previous issue date: 1996 / Resumo: Neste trabalho são apresentados os aspectos teóricos e a implementação de um sistema computacional,denominado de Jargão, para a tarefa da análise de Base de Dados em Linguagem Natural. O sistema utiliza os conceitos de um novo modelo de neurônio, formalizado através dos conceitos de linguagem nebulosa, que suporta o processamento da linguagem natural. Este modelo de neurônio é utilizado na construção de redes neurais estruturadas hierarquicamente que permitem representar os complexos processos da linguagem.A geração das estruturas das redes neurais hierárquicas é feita de acordo com algum modelo lingüístico ou conceitual, que é especificado pelo usuário através de uma sintaxe. Neste trabalho é apresentada a geração dessas estrutura de acordo com uma estruturação conceitual do conhecimento.Neste sistema, o usuário é responsável pela especificação de uma sintaxe nebulosa que codifica o seu conhecimento em cada nível hierárquico, e pela a análise das informações obtidas em cada nível das redes neurais. Finalmente, são apresentadas as aplicações utilizando o sistema Jargão nas áreas de Aquisição do Conhecimento, Recuperação de Informação e Filtragem de Informação / Abstract: Theoretical aspects and the implementationof a computational system, called Jargão, for task of analisysof data base in natural language is presented. The Jargão systemuses concepts of a new model of neuron,formalizedby fuzzy languageconcepts, to supports natural language processing. This modei of neuron is used to build a hierarchically estrutured neural net wich is able to do complex language processing.The generationof the structure of this hierarchicalneural net is made accordingto linguistic or conceptual model, specifiedby the user. The user is responsible for specificationof the fuzzy sintax which codifies their knowledge at each hierarchical leveI, and by interpretationof result. Finally, aplications in the areas of: Knowledge Aquisition, Conceptual InformationRetrieveland Information Filtering, are presented. / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Jacques Wainer / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-21T10:57:52Z (GMT). No. of bitstreams: 1 Monteiro_AnaMaria_M.pdf: 2474089 bytes, checksum: eb28e3b04a983ea35e09120139c1d298 (MD5) Previous issue date: 1996 / Resumo: O termo agente é usado com freqüência na área de representação de conhecimento e raciocínio. Diferentes sistemas foram propostos para modelar um agente raciocinando acerca de seu ambiente, um ambiente que, em muitas aplicações, pode incluir outros agentes. Assim, um agente, às' vezes, deve interagir com outros agentes para levar a cabo uma tarefa ou atingir um objetivo. Neste caso, pode ser importante para o agente representar o conhecimento dos outros agentes com os quais ele interage e pode necessitar raciocinar acerca do conhecimento desses agentes para comunicar-se com eles. Por outro lado, no contexto dos sistemas inteligentes, um agente pode necessitar realizar inferências na presença de informação incompleta ou obter conclusões em ausência de informação em contrário. Então o agente necessita dispor de mecanismos de raciocínio não-monotônicos. O trabalho apresentado aqui relaciona-se com as duas questões anteriores: a, proposta de lógicas não-monotônicas que não só modelam o agente raciocinando não-mono tonicamente a respeito do mundo, mas também a respeito do conhecimento de outros agentes. Este trabalho propõe a extensão de duas famílias de lógicas, para permitir o tratamento de fórmulas que contêm operadores de crenças. Mais especificamente: - desenvolvemos duas lógicas condicionais que permitem raciocinar acerca das crenças de um outro agente (o qual raciocina também na lógica condicional). Discutimos também as propriedades de tais lógicas. -propomos uma lógica preferencial multiagentes, baseada numa relação de preferência proposicional, de forma que tudo ,aquilo que é capturado por essa relação de preferência proposicional translada-se "corretamente" à lógica multiagentes. / Abstract: The term agent is frequently used in the area of knowledge representation and reasoning. Different systems have been proposed to model an agent reasoning about his environment, which in many applications includes other agents. Thus, an agent sometimes must interact with other agents to accomplish a task or a goal. If that is the case, it may be important for the agent to represent the knowledge of other agents with whom it interacts and may find it necessary to reason about their knowledge in order to communicate with them. On the other hand, in the framework of an intelligent system, an agent must make certàin inferences in the face of incomplete information or reach conclusions which rely, in part, on the "absence of evidence to the contrary". Then the agent need to be invested with non-monotonic reasoning mechanisms. The work presented here is concerned with the two issues above: the proposa:l of nonmonotonic logics that not only model the agent reasoning non-monotonically about the world, but also about the knowledge of other agents. This work proposes extensions of two families of logics in such a way that those extensions are able to deal with formulas that contain belief operators. More specifically: - we develop two conditionallogics that allow one to reason about the belief of another agent (which reasons in conditionallogic himself). We also discuss the properties of such logics. - we propose a multi-agent preferential logic, based on a propositional preference relation, in such a way that, whatever is captured by the propositional preference relation, it is carried over "correctly" to the multi-agent logic. / Mestrado / Mestre em Ciência da Computação

Orientador: Jacques Wainer / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-21T14:31:03Z (GMT). No. of bitstreams: 1 Rezende_AlexandredeMelo_M.pdf: 2803701 bytes, checksum: 5ade89f6a0190e65bb4f8aa5e93783eb (MD5) Previous issue date: 1996 / Resumo: Nesta dissertação propõe-se uma extensão temporal à Teoria das Coberturas Parcimoniosas. Esta teoria provê um fundamento teórico ao processo de raciocínio diagnóstico, como um raciocínio abdutivo baseado nos modelos que associam causas à suas conseqüências (ou doenças com seus sinais e sintomas). A extensão temporal proposta para a Teoria das Coberturas Parcimoniosas possibilita associar a cada doença a evolução temporal dos seus sinais e sintomas. A eliminação de hipóteses temporalmente inconsistentes minimiza uma das maiores limitações da Teoria das Coberturas Parcimoniosas: a teoria pode incluir um grande número de hipóteses alternativas. Além do mais, a inclusão de aspectos temporais a uma extensão da teoria que inclua informações probabilísticas também elimina o problema de rejeições incorretas de hipóteses quando um sintoma necessário não estiver presente. A extensão temporal proposta é aplicada a um problema de diagnóstico médico em que o tempo é importante na diagnose. Os resultados obtidos foram bastante satisfatórios, como a construção rápida da base de conhecimento, a eliminação significativa do número de hipóteses e a redução do tempo gasto na obtenção da solução do problema. Finalmente, são apresentadas as contribuições, limitações e extensões futuras desta dissertação / Abstract: In this work we propose a temporal extension to the Parsimonious Covering Theory. This theory provides a theoretical foundation for the diagnostic reasoning process as an abdutive reasonig based on models that associate causes with their consequences (or diseases and their symptoms). Our temporal extension of the Parsimonious Covering Theory allows one to associate to a disease a temporal evolution of symptoms. The elimination of temporally inconsistent hypothesis minimizes one of the greatest limitation of the Parsimonious Covering Theory: the theory may include a large number of alternative hypothesis. Furthermore, the inclusion of temporal aspects to an extension of this theory that includes probabilistic information also eliminates the problem of incorrectly rejecting hypothesis if a necessary symptom has not yet ocurred. Finally, the limitations of the representation formalism and the problems with the temporal reasoning in a diagnostic system are also described / Mestrado / Mestre em Ciência da Computação