Spelling suggestions: "subject:"máquina dde gastados finita"" "subject:"máquina dde gastados binita""
1 |
Plataforma didática para desenvolvimento de Sistemas MultiagenteMendonça, Rafael da Silva 28 November 2016 (has links)
Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-02-07T17:37:57Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertação - Rafael S. Mendonça.pdf: 2419926 bytes, checksum: c1a6804b990169dbde5250fbb9150016 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-02-07T17:38:15Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertação - Rafael S. Mendonça.pdf: 2419926 bytes, checksum: c1a6804b990169dbde5250fbb9150016 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-02-07T17:38:32Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertação - Rafael S. Mendonça.pdf: 2419926 bytes, checksum: c1a6804b990169dbde5250fbb9150016 (MD5) / Made available in DSpace on 2017-02-07T17:38:33Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertação - Rafael S. Mendonça.pdf: 2419926 bytes, checksum: c1a6804b990169dbde5250fbb9150016 (MD5)
Previous issue date: 2016-11-28 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / This work is the proposal of a didactic platform for the development and learning of
intelligent agents applied to manufacturing. Furthermore, it is proposed a simulator for
mechatronic agents aimed at reproducing the temporal behavior of a mechatronic hardware
by defining a finite state machine. This platform has been validated by a real application
and the Simulator by qualitative comparison with that application. The real system
behavior and the simulated system behavior are close, so that the replacement of the
simulated real machine is transparent to the rest of the system. / Este trabalho é a proposta de uma plataforma didática para o desenvolvimento e o
aprendizado de agentes inteligentes aplicados à manufatura. Além disso, é proposto um
Simulador para agentes mecatrônicos que visa a reprodução do comportamento temporal
de um hardware mecatrônico através da definição de sua máquina de estados finita. Essa
plataforma foi validada por uma aplicação real e o Simulador pela comparação qualitativa
com essa aplicação. O comportamento do sistema real e do sistema simulado são próximos,
de forma que a substituição da máquina simulada pela real é transparente para o restante
do sistema.
|
2 |
Extração de conhecimento a partir de redes reurais recorrentes / knowledge extraction from recurrent neural networksSimon, Denise Regina Pechmann 11 May 2004 (has links)
Made available in DSpace on 2015-03-05T13:53:45Z (GMT). No. of bitstreams: 0
Previous issue date: 11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Neste trabalho é proposto um método de extração de conhecimento a partir de Redes Neurais Recorrentes. Expressar formalmente o conhecimento armazenado dentro de uma Rede Neural Artificial representa um grande desafio, já que tal conhecimento precisa ser reformulado e apresentado de uma maneira simples e inteligível. Três formalismos simbólicos são abordados para a representação deste conhecimento: Autômatos Finitos Difusos, Cadeias de Markov e Autômatos Finitos Determinísticos. Para as extrações de conhecimento utilizadas no trabalho, atribui-se significado às regiões do espaço de atividade dos neurônios. O método proposto utiliza a clusterização do espaço neural para obtenção dos estados do autômato, sendo utilizados para isso, o algoritmo K-means e a clusterização difusa. A obtenção do conhecimento é feita utilizando-se Redes Neurais Recorrentes para aprender o comportamento de dois sistemas dinâmicos não lineares e, a partir das redes treinadas, extrair os estados e possíveis transições do autômato. Os sis / ln this work a method ofknowledge extraction from Recurrent Neural Network is proposed. Express formally the knowledge stored inside an Artificial Neural Network is a great challenge, because such knowledge has to be reformulated and presented by simple and understandable means. Three symbolic formats are presented for the representation of this knowledge: Fuzzy Finite Automata, Markov Chains and Deterministic Finite Automata. For the knowledge extraction used in this work, each space region of the neuron activity is associated to a meaning. The considered method uses clusterization of the neural space in order to obtain the automata states, using the K-means algorithm and the fuzzy clustering. The knowledge acquisition is made using Recurrent Neural Networks to learn the behavior of the two non linear dynamic systems and, from the trained nets, to extract the states and possible automata transitions. The dynamic systems are the lnverse Pendulum system and the Lorenz system. The presented extraction method wa
|
Page generated in 0.0544 seconds