nÃo hà / In this dissertation it is reported the results of a comprehensive comparative study involving six local models applied to the task of learning the inverse kinematics of three redundant robotic arm (planar, PUMA 560 and Motoman HP6). The evaluated algorithms are the following ones: radial basis functions network (RBFN), local model network (LMN), SOMbased local linear mapping (LLM), local linear mapping over k-winners (K-SOM), local weighted regression (LWR) and counter propagation (CP). Each algorithm is evaluated with respect to its accuracy in estimating the joint angles given the cartesian coordinates which comprise end-effector trajectories within the robot workspace. A comprehensive evaluation of the performances of the aforementioned algorithms is carried out based on correlation analysis of the residuals. Finally, hypothesis testing procedures are also executed in order to verifying if there are significant differences in performance among the best algorithms. / Nesta dissertaÃÃo sÃo reportados os resultados de um amplo estudo comparativo envolvendo seis modelos locais aplicados à tarefa de aproximaÃÃo do modelo cinemÃtico inverso de 3 robÃs manipuladores (planar, PUMA 560 e Motoman HP6). Os modelos avaliados sÃo os seguintes: rede de funÃÃes de base radial (RBFN), rede de modelos locais (LMN), mapeamento linear local baseado em SOM (LLM), mapeamento linear local usando K vencedores (KSOM), regressÃo local ponderada (LWR) e rede counterpropagation (CP). Estes algoritmos sÃo avaliados quanto à acurÃcia na estimaÃÃo dos Ãngulos das juntas dos robÃs manipuladores em experimentos envolvendo a geraÃÃo de vÃrios tipos de trajetÃrias no espaÃo de trabalho dos referidos robÃs. Uma avaliaÃÃo abrangente do desempenho de cada algoritmo à feita com base na anÃlise dos resÃduos e testes de hipÃteses sÃo realizados para verificar a semelhanÃa estatistica entre os desempenhos dos melhores algoritmos.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / FundaÃÃo de Amparo à Pesquisa do Estado do Cearà / O objetivo desta tese foi investigar como o conhecimento prosÃdico està organizado em um estÃgio inicial de aquisiÃÃo de L2 em aprendizes brasileiros de inglÃs com a ajuda de uma rede neural conexionista. A abordagem proposta neste trabalho consiste primeiramente em "quantificar" as elocuÃÃes dos aprendizes de L2 na forma de coeficientes LPC e outras caracterÃsticas linguÃsticas/fonÃticas que possam representar o fenÃmeno aqui estudado (TransferÃncia do Conhecimento ProsÃdico do PortuguÃs para o inglÃs). A este processo dÃ-se o nome de "extraÃÃo de caracterÃsticas" da fala (feature extraction), uma importante etapa na abordagem conexionista do processamento da fala. Em segundo lugar, uma vez determinadas as caracterÃsticas do item lexical ou da frase produzida por cada aprendiz, sÃo inseridos esses dados na rede neural a fim de analisar as propriedades (regularidades) estatÃsticas do conjunto de falantes como um todo. Em terceiro, utiliza-se ferramentas de visualizaÃÃo para analisar como a rede organiza os falantes e quais informaÃÃes sÃo mais relevantes para este processo de formaÃÃo de grupos (e.g. nÃvel de proficiÃncia, uma certa caracterÃstica ou propriedade da fala, entre outros). A rede utilizada à conhecida como Mapa Auto-OrganizÃvel (Self-Organizing Map, SOM). A rede SOM organiza os falantes por grau de similaridade em grupos bem definidos (clusters). A aplicaÃÃo da rede SOM neste contexto Ã, portanto, inovadora. A rede SOM à implementada no ambiente Matlab usando o pacote Som toolbox, que à um conjunto de rotinas de programaÃÃo desenvolvidas pelo grupo de pesquisa da FinlÃndia, tambÃm inventores da rede SOM. Os resultados das simulaÃÃes apontam que a rede SOM pode vir a ser usada mais frequentemente para avaliar o grau de distÃncia a que um grupo de aprendizes està do grupo de falantes nativos. Dessa forma, uma rede neural pode vir a ser aplicada como ferramenta no contexto de determinaÃÃo de nÃvel de proficiÃncia em lÃngua estrangeira. / The objective of this dissertation was to investigate how the prosodic knowledge is organized in an early stage of L2 acquisition in Brazilian learners of English with the help of a connectionist neural network. The approach proposed in this research is first, to quantify the utterances of L2 learners in the form of LPC coefficients and other linguistic/phonetics features that can represent the phenomenon studied here (Transfer of the prosodic knowledge from Portuguese to English). This process is called speech feature extraction, an important step in the connectionist approach to speech processing. Second, since certain features of the lexical item or sentence produced by each learner are determined, these data are entered into the neural network to analyze the statistical properties (regularities) of the set of speakers as a whole. Third, visualization tools are used to analyze how the network organizes speakers and what information is most relevant to this process of group formation (e.g. proficiency level, a certain characteristic or property of speech, among others). The network is known as Self-Organizing Map (Self-Organizing Map, SOM). The SOM organizes speakers for similarity degree in well-defined groups (clusters). Application of SOM in this context is therefore innovative. The SOM network is implemented in Matlab environment using the SOMtoolbox package, which is a set of programming routines developed by the research group in Finland, also the inventors of the SOM. The simulation results indicate that SOM might be used more frequently to assess the degree of distance that a group of learners is to the group of native speakers. Thus, a neural network might be used as a tool in the context of determining the level of foreign language proficiency.

nÃo hà / Nesta tese aborda-se o problema de identificaÃÃo de sistemas dinÃmicos sobre a Ãtica dos modelos locais, em que o espaÃo de entrada à particionado em regiÃes de operaÃÃo menores sobre as quais sÃo construÃdos modelos de menor complexidade (em geral, lineares). Este tipo de modelo à uma alternativa aos chamados modelos globais em que a dinÃmica do sistema à identificada usando-se uma Ãnica estrutura (em geral, nÃo-linear) que cobre todo o espaÃo de entrada. Assim, o tema alvo desta tese à o projeto de modelos lineares locais cujo espaÃo de entrada à particionado por meio do uso de algoritmos de quantizaÃÃo vetorial, principalmente aqueles baseados em redes neurais competitivas. Para este fim, sÃo propostos trÃs novos modelos lineares locais baseados na rede SOM (self-organizing map), que sÃo avaliados na tarefa de identificaÃÃo do modelo inverso de quatro sistemas dinÃmicos comumente usados na literatura em benchmarks de desempenhos. Os modelos propostos sÃo tambÃm comparados com modelos globais baseados nas redes MLP (multilayer perceptron) e ELM (extreme learning machines), bem como com outros modelos lineares locais, tais como o modelo fuzzy Takagi-Sugeno e o modelo neural LLM (local linear mapping). Um amplo estudo à realizado visando comparar os desempenhos de todos os modelos supracitados segundo trÃs critÃrios de avaliaÃÃo, a saber: (i) erro mÃdio quadrÃtico normalizado, (ii) anÃlise dos resÃduos, e (iii) teste estatÃstico de Kolmogorov-Smirnov. De particular interesse para esta tese, à a avaliaÃÃo da robustez dos modelos locais propostos com relaÃÃo ao algoritmo de quantizaÃÃo vetorial usado no treinamento do modelo. Os resultados obtidos indicam que os desempenhos dos modelos locais propostos sÃo superiores aos dos modelos globais baseados na rede MLP e equivalentes aos modelos globais baseados na rede ELM. / In this thesis the problem of nonlinear system identification is approached from the viewpoint of local models. The input space is partitioned into smaller operational regions with lower complexity models (usually linear) built for each one. This type of model is an alternative to global models, for which the system dynamics is identified using a single structure (usually nonlinear ones) that covers the whole input space. The aim of this thesis is to design of local linear models whose input space is partitioned by means of vector quantization algorithms, special those based on competitive learning neural networks. For this purpose, three novel local linear modeling methods based on the SOM (self-organizing map) are introduced and evaluated on the identification of the inverse model of four dynamical systems commonly used in the literature for performance benchmarking. The proposed models are also compared with global models based on the MLP (multilayer perceptron) and ELM (extreme learning machines), as well as with alternative local linear models, such as the Takagi-Sugeno fuzzy model and the LLM(local linear mapping) neural model. A comprehensive study is carried out to compare the performances of all the aforementioned models according to three evaluation criteria, namely: (i) normalized mean squared error, (ii) residual analysis, and (iii) Kolmogorov-Smirnov test. Of particular interest to this thesis is the evaluation of the robustness of the proposed local models with respect to the vector quantization algorithm used to train the model. The obtained results indicates that the performance of the proposed local models are superior to those achieved by the MLP-based global models and equivalent to those achieved by ELM-based global models.