O Naming Game é um modelo da dinâmica da emergência de um vocabulário comum em um sistema multi-agentes sem controle central, usando apenas interações par a par, com regras relativamente simples. Neste trabalho são apresentadas análises e discussões do modelo e de variações do Naming Game, presentes na literatura, juntamente com análises da aplicação destes modelos para diferentes topologias de rede. Mostramos que, em uma dessas variações, o Naming Game com reputação global dos agentes, a convergência para o consenso não ocorre quando aplicada a certas redes do tipo Barabási-Albert, devido à restrição de comunicação inserida pela dinâmica de construção e comparação de reputações deste modelo. Propomos, então, um novo modelo de Naming Game, considerando as reputações locais dos agentes, que, por fim, mostrou-se mais eficiente que o modelo com reputação global, em termos de tempo de convergência para o consenso, sendo a convergência alcançada em todos os testes realizados.

O objetivo deste trabalho é estudar a viabilidade do uso de técnicas de Processamento da Linguagem Natural para o auxilio da análise de requisitos escritos em linguagem natural. Requisitos em Linguagem Natural são amplamente utilizadas na indústria aeronáutica, pelo menos como o primeiro nível de descrição de um sistema. Utilizar linguagens formais para especificar requisitos, apesar de apresentar ganhos relacionados à ausência de ambiguidades inerentes à linguagem natural, gera outros problemas. O processo que conduz a requisitos de qualidade começa com a análise de requisitos escritos em Linguagem Natural e continua por sua formalização e verificação. No intuito de diminuir tais ambigüidades são utilizados padrões de escrita de requisitos. São comparadas diversas abordagens para o processamento da linguagem natural aplicado ao problema estudado. A análise léxica apresenta algumas abordagens inovadoras, e produz resultados bons comparados com a literatura. Na análise sintática é utilizada uma gramática semântica, o que permite a aplicação imediata dos resultados. Durante a análise semântica mostrou-se inviável a detecção de inconsistências em requisitos. Porém os ganhos na qualidade dos requisitos com o uso de uma gramática mais restrita e possibilidades do uso de resultados do processamento da linguagem natural para outras aplicações indicam a viabilidade do uso do processamento da linguagem natural no auxilio a especificação de requisitos.

Esta tese apresenta uma arquitetura distribuída para agentes autônomos do tipo móvel. As características dessa arquitetura são estudadas pela sua instanciação na forma de três agentes computacionais que possuem funcionalidades voltadas à exploração de "nichos". A metodologia utilizada para testar e validar a operacionalidade desses agentes é um ambiente simulado. A arquitetura é modelada em três níveis hierárquicos. O nível reativo é constituído por uma rede de agentes nelulosos. Essa rede é uma estrutura distribuída, que conecta agentes sensoriais a agentes motores e é capaz de controlar a locomoção de um agente em um ambiente desconhecido, utilizando um enfoque de Solução Distribuída de Problemas. O nível instintivo é formado por um conjunto de agentes interdependentes, que dispõem de um certo conhecimento. Esse conhecimento é expresso por regras de produção e corresponde a esquemas de comportamento estereotipados, que podem ser aplicados ao nível reativo de acordo com a situação do agente no ambiente. Esses esquemas de comportamento têm inspiração biológica. O nível cognitivo consiste simplesmente em um autômato comportamental, utilizado para gerenciar os objetivos globais do agente. As características da arquitetura são: baixo custo computacional, adaptação, distribuição, inspiração biológica, robustez, flexibilidade e utilização de esquemas de comportamento baseados em contexto. O fato da arquitetura incluir duas comunidades distintas de agentes computacionais - os níveis reativo e instintivo - permite que conceitos como competição, cooperação e conflito possam ser estudados dentro de um enfoque conceitual de Inteligência Artificial Distribuída. Finalmente, com essa arquitetura pode-se investigar questões ligadas à análise e à síntese de comportamentos em agentes autônomos.

Este trabalho investiga e propõe algoritmos de aprendizado para o treinamento de redes neurais artificiais (RNA), objetivando a identificação de sistemas dinâmicos não-lineares multivariáveis. De modo a se tratar sistemas não-lineares arbitrários e estabelecer algoritmos de aprendizado estáveis, são empregados recurrent high-order neural networks (RHONN), métodos de Lyapunov e adaptações de resultados já disponíveis na teoria de controle adaptativo para sistemas lineares. Inicialmente, de modo a explicitar o problema de identificação, é apresentada uma breve revisão sobre a literatura relativa à identificação de sistemas dinâmicos, RNA e identificação de sistemas dinâmicos usando RNA. A seguir, são analisados os trabalhos de Kosmatopoulos et alii [

Este trabalho tem o objetivo de apresentar uma aplicação prática de técnicas de Inteligência Artificial na bio-engenharia, mais precisamente na área médica. O "software"desenvolvido permite ao usuário desenvolver ambientes para equipamentos clínicos automáticos, utilizando para isto um conjunto de regras, do tipo SE (Condições) ENTÃO (cações). O conjunto de regras, formulado heuristicamente é processado por um mecanismo de inferência já implementado no OPS5, que tem como principal característica a eficiência na execução. Sinais eletrocardiográficos são utilizados para exemplificar e validar o ambiente. Informações referentes ao sinal de EGG (eletrocardiogramas) são aquisicionadas por meio de processamento numérico, e um conjunto de regras selecionadas encarregam se de processar simbolicamente o conjunto de parâmetros extraídos, emitindo declarações de diagnóstico. Estas declarações podem ser utilizadas para o acioamento de sinais de alarme. O desenvolvimento deste trabalho Foi baseado na linha de computadores IBM-PC. Compatível em função de sua grande disponibilidade e baixo custos / comparadas a equipamentos hospitalares mais especializado. Nos sinais de ECG reais utilizados para validar o ambiente, os resultados apresentados foram bastante satisfatórios.

Procurando contornar problemas inerentes às abordagens cognitiva e estatística em reconhecimento de voz, propõe-se a utilização de uma rede neuronal. Implementou-se um modelo simples de rede neuronal para o reconhecimento de alguns fonemas vocálicos pertencentes a um vocabulário de comando. O treinamento da rede foi feito com elocuções provindas de quatro locutores. Um conjunto distinto de locutores forneceu dados aplicados à entrada da rede para a realização dos testes. Em relação a outros sistemas de reconhecimento, a utilização da rede neuronal apresenta as vantagens de ser um algoritmo iterativo simples, mostrando pra o caso aplicado um comportamento estável e com possibilidades de aprendizagem para distinguir entre novas realizações de fonemas. A rede neuronal caracteriza-se pelo esforço necessário para o estabelecimento de sua estrutura e processo de aprendizagem. Concluída esta fase, a realização das funções de classificação e reconhecimento é imediata.

Alguns aspectos relevantes da comunicação homem-máquina por meio da fala são discutidos neste trabalho, propondo-se uma abordagem estatística ao problema de reconhecimento de voz. Neste contexto, é proposto um modelo para discriminação dos elementos acústico-fonéticos presentes no sinal de voz, denominado decodificador fonético. A estrutura básica do modelo é uma cadeia de Markov, formada segundo algumas evidências linguísticas. A descrição matemática do modelo, compostas pelos algoritmos de estimação de verossimilhança e de estimação dos parâmetros do modelo, é apresentada. Foram realizadas simulações com uma linguagem artificial, criada de forma a testar a capacidade de decodificação acústico-fonética do modelo, onde observou-se um bom desempenho na segmentação do sinal de voz em elementos acústico-fonéticos básicos.

Este trabalho visa estudar o efeito da inclusão de técnicas de chaveamento no treinamento de Redes Neurais Artificiais do tipo feedforward observando se tais técnicas de treinamento produzem Redes Neurais Artificiais mais tolerantes a perdas de unidades escondidas. Apresentamos também, um estudo comparativo dos algoritmos de treinamento Back-Propagation e Filtro de Kalman Estendido na sua forma original e com a presença da técnica de chaveamento. No final é apresentado um exemplo prático de utilização de Redes Neurais Artificiais, dentro do tópico reconhecimento de padrões, que é o reconhecimento de determinados sinais eletrocardiográficos, validando a técnica ora apresentada. O traballho foi realizado em um microcomputador IBM-PC, e utilizada a ferramenta MATLAB.

Este trabalho de pesquisa tem por objetivo modelar e desenvolver um protótipo de Sistema Especialista para a operação e manutenção do Monitor Lastro Oili S 1000 utilizado pelos navios petroleiros da Fronape para os processos de lavagem e deslastro dos tanques de carga, visando minimizar a poluição do mar causada durante esses processos. protótipo de Sistema Especialista em questão, denominado Monilastro, foi desenvolvido usando a ferrameta "VP-Expert" da "Paperback Software International" versão 2.1, em regras de produção, e contou com etapas de desenvolvimento nas áreas de identificação e validação de problemas, aquisição e representação do conhecimento para construção do protótipo e, verificação, validação e testes após a expansão do mesmo. A consulta ao Monilastro inicia-se com o sistema apresentando diversas questões ao usuário, e este fornecendo ao sistema as informações necessárias para processar a base de conhecimento correspondente. A partir daí, as informações necessárias para processar a base do conhecimento correspondente. A partir daí, as informações geram resultados que auxiliam o usuário na tomada de decisões para a operação e/ou manutenção do Monitor Lastro. O desempenho do Monilastro foi aquilatado através de diversos testes em situações reais pelo engenheiro do conhecimento, pelo especialista, e pelo pessoal de bordo da Fronape, melhorando-se nestas ocasiões a interface com o usuário.

Neste trabalho foi desenvolvida uma camada de pre-processamento derivada de uma expansão de uma estrutura clássica de rede neural sem realimentação, que utiliza como algoritmo de treinamento o método de retropropagação do erro, aplicada ao reconhecimento de fonemas multilocutor. Esta camada de pré-processamento atua de forma que a rede possa determinar automaticamente o melhor conjunto de dados de entrada da rede, baseados em faixas de frequências, através dos erros propagados pela própria rede, de forma que esta não convirja para uma melhor classificação dos fonemas de entrada. Foram testadas para esse fim algumas estratégias associadas ao treinamento envolvido nesta camada de pré-processamento. Os experimentos condiziram ao desenvolvimento de uma estratégia capaz de reduzir o erro de classificação em média em 10% em relação ao obtido sem sua utilização.