[pt] Esta dìssertação investiga o emprego e o desempenho da
Inteligência Computacional em Machine Learning. De modo
particular, pesquisou-se a aplicação dos mecanismos e
estruturas na biologia e natureza, presentes nas técnica
inteligentes (Redes Neurais, Algoritmos Genéticos e Lógica
Nebulosa) na construção de algoritmos que codificam
mecanismos indutivos em Machine Learning. O trabalho foi
desenvolvido em 4 etapas principais: um estudo
bibliográfico da área de Machine Learning e modelagem e
desenvolvimento de três sistemas demonstrativos da
aplicação de Inteligência Computacional em Machine
Learning: Redes Neurais TD(gama) no aprendizado do jogo de
Gamão, Algoritmos Genéticos na evolução do controle de um
robô autônomo, e Lógica Nebulosa para controle de robôs. O
estudo bibliográfico envolveu a busca, tendo como
principal veículo inicial a Internet, de literatura
referente às áreas de Machine Learning e de Inteligência
Computacional. Foram pesquisados livros especializados da
área, e também artigos técnicos envolvendo os temas
abordados nesta dissertação. Este levantamento
bibliográfico resultou no resumo dos principais projetos
na área de Machine Learning, apresentado no capítulo 2. A
modelagem de um sistema de aprendizado do jogo de gamão
por Redes Neurais envolveu o estudo e implementação de um
método de Reinforcement Learning denominado TD(gama), que
opera através do princípio de tentativa e erro,
recompensado ações que trazem um bom resultado. O jogo de
Gamão foi escolhido pelo seu vastíssimo número de
prováveis situações a serem encontradas durante o jogo,
consequência do fator estocástico (dados) inerente ao
jogo, tornando uma abordagem tradicional muito difícil e
até mesmo ineficiente. A evolução do controle de robôs por
Algoritmos Genéticos, é inspirada na evolução de um padrão
de comportamento exemplificada no capítulo 2 pelo dilema
dos prisioneiros. Através da codificação em um cromossoma
das variáveis que descrevem o ambiente onde o robô está
inserido, foi possível evoluir um padrão de atuação diante
da situação presente a cada instante, de forma a atingir
um objetivo especificado de forma ótima, ou sub-ótima. O
controle de robôs por Lógica Nebulosa demonstra o
potencial desta técnica para problemas de controle,
codificando através de regras imprecisas que assemelham-se
à forma humana de armazenar e transmitir conhecimento, o
comportamento que o robô deve ter frente a cada situação
encontrada em seu ambiente. Os resultados apresentados
demonstram o potencial de utilização das técnicas da
Inteligência Computacional, inspiradas na biologia e na
natureza, na área de Machine Learning, mostrando através
dos exemplos implementados a capacidade de aquisição de
conhecimento por experiência, através de mecanismos
indutivos, ao invés de codificar explicitamente soluções
específicas para os problemas apresentados. / [en] This work investigates the application and performance of
the Computational intelligence technics in the field of
Machine Learning. In particular, was investigated the
application of intelligent systems (Neural Networks,
genetic Algorithms and fuzzy Logic) in the development of
algorithms that codify inductive mechanisms in Machine
Learning.
This work was developed in two main steps: a
research of Machine Learning bibliography, and the
development of three intelligent systems: neural Networks
applied to the game of backgammon, Genetic Algorithms in
the evolution of an autonomous robot control system, and
fuzzy Logic applied to robot control.
The bibliography research involved looking for
technical literature about Machine Learning and
Computational Intelligence. Were used in this research
books specialized in the area, and technical papers about
the themes treated in this dissertation.
The modeling of the backgammon learning algorithm,
based on Neural Networks, was implemented using a
reinforcement learning method known as TD(l), which
operate by the principle of trial and error, giving a
reward for actions that brings a good result. The game of
backgammon was chosen because of its huge number of
possible situations that can be faced during the game, due
to estocastic factor (dice) attached to the game, making a
traditional approach very difficult, if not even
inefficient.
The evolution of the autonomous robot control
system using Genetic Algorithms is inspired in the
evolution of a behavior pattern of behavior to deal with
the faced at each moment, in order to achieve a goal in an
optimal or sub-optimal way.
The robot control system using Fuzzy Logic
demonstrates the potential of this technic to control
problems, codifying through fuzzy rules, which are similar
to the human way to in its environment.
The results presented demonstrate the potential of
the Computational Intelligence technics, inspired in
biology and nature, in the field of Machine Learning,
showing through the examples implemented the knowledge
acquisition capacity by experience, using inductive
mechanisms instead of programming specific solutions for
the problems presented
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7293 |
| Date | 18 October 2005 |
| Creators | IVO LIMA BRASIL JUNIOR |
| Contributors | MARCO AURÉLIO CAVALCANTI PACHECO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0025 seconds