Arquiteturas Cognitivas em Robótica

Tamanho: px
Começar a partir da página:

Download "Arquiteturas Cognitivas em Robótica"

Transcrição

1 Arquiteturas Cognitivas em Robótica Ricardo R. Gudwin DCA-FEEC-UNICAMP DCA-FEEC-UNICAMP

2 Introdução Objetivo Visão introdutória sobre o uso de arquiteturas cognitivas aplicadas ao controle de robôs. Conceito de Arquitetura Cognitiva Arquiteturas computacionais de uso geral que provêm a infraestrutura básica para a construção de agentes artificiais, tais como robôs ou "players" em jogos de computador. Modelos cognitivos da mente humana implementar versões computacionais de habilidades cognitivas, tais como percepção, emoções, memória, tomada de decisão, comportamento reativo e deliberativo, motivações, e em alguns casos até mesmo consciência e emergência de linguagem. Neste mini-curso: 4 das mais populares arquiteturas cognitivas: ACT-R, SOAR, Clarion e LIDA

3 O Problema: Controle de Robôs Autônomos Inteligentes

4 Propostas de Solução Arquiteturas Embarcadas Controle do Robô embarcado junto com o hardware do robô Sistemas de Controle mais simples Restrições do hardware embarcado Arquiteturas Cliente-Servidor Hardware do Robô possui somente algum tipo de conexão de rede, exportando os dados dos sensores e recebendo os comandos dos atuadores Sistemas de Controle mais Sofisticados Algoritmos de controle são implementados em máquinas remotas, mais poderosas Arquiteturas Híbridas Layers embarcados + controlador remoto

5 Arquitetura Cliente-Servidor Rede Cliente: Algoritmo Inteligente Servidor de Sensores e Atuadores Hardware do Robô ou Robô Simulado

6 Cliente: Algoritmo Inteligente Aplicações Customizadas Sistemas Especialistas Redes Neurais Lógica Fuzzy Computação Evolutiva Frameworks Gerais para Sistemas Inteligentes JESS (Sistema Especialista) CLIPS (Sistema Especialista) Joone, Encog and Neuroph (Redes Neurais) FANN e FANNJ (Redes Neurais) JFuzzyLogic, Fuzzy Framework (Lógica Fuzzy) ECF, JEAF, JCLEC (Computação Evolutiva)

7 Arquiteturas Cognitivas Definição Estruturas e processos essenciais de um modelo cognitivo computacional de domínio genérico, utilizado em uma análise ampla, em múltiplos níveis e múltiplos domínios, dos fenômenos da cognição e do comportamento. Vantagens framework concreto para uma modelagem mais detalhada do fenômeno cognitivo Características estruturas essenciais, divisão em módulos, relações entre módulos, além de outros aspectos

8 Arquiteturas Cognitivas Diferentes Frameworks Pressuposições cognitivas básicas o que há de comum nas diferentes propostas? Dicotomias Essenciais implícito x explícito, procedural x declarativa, automática x controlada? Módulos de Memória quais os subsistemas de memória essenciais? Abordagens Metodológicas fitting de dados quantitativos, demonstrações qualitativas, argumentos teóricos, experimentos mentais filosóficos, etc.

9 Arquiteturas Cognitivas Processos Componenciais da Cognição facilitar a modelagem detalhada dos vários componentes e processos que envolvem a mente conjunto inicial de pressuposições para o desenvolvimento de modelos futuros Estruturas Essenciais Estruturas Iniciais: Mínimas Aprendizagem Modelos Completos x Modelos Desenvolvimentais Objetivos Interação com o ambiente Interação com outros agentes

10 Tipos de Arquiteturas Cognitivas Tipos de Arquiteturas Simbólicas, Conexionistas ou Híbridas Centralizadas ou Distribuídas Representação uniforme do conhecimento, representações heterogêneas, sem representação explícita Exemplos de Arquiteturas ACT-R, SOAR, CLARION, LIDA, EPIC, PRODIGY, DEM, COGNET, Copycat, DUAL, Apex, Psi, Subsumption, ATLANTIS, Theo, ICARUS, AIS, MAX, Homer, Teton, RALPH-MEA, ERE

11 Evolução das Arquiteturas Cognitivas

12 Evolução das Arquiteturas Cognitivas

13 Evolução das Arquiteturas Cognitivas

14 Evolução das Arquiteturas Cognitivas

15 Evolução das Arquiteturas Cognitivas

16 Evolução das Arquiteturas Cognitivas

17 Evolução das Arquiteturas Cognitivas

18 Evolução das Arquiteturas Cognitivas

19 Principais Frameworks para Arquiteturas Cognitivas ACT-R SOAR Clarion LIDA

20 ACT-R ACT-R Atomic Components of Thought Rational Adaptive Control of Thought - Rational Carnegie Mellon University - John R. Anderson Arquitetura Híbrida Estruturas Simbólicas sistema de produção Estruturas Sub-simbólicas conjunto massivo de processos paralelos, sumarizados por meio de equações matemáticas podem controlar processos simbólicos funções de utilidade processos de aprendizagem

21 ACT-R

22 Histórico do Desenvolvimento Predecessor Versões Teóricas HAM (Anderson & Bower 1973) ACT-E ACT* ACT-R ACT-R 4.0 ACT-R 5.0 (Anderson, 1976) (Anderson, 1978) (Anderson, 1993) (Anderson & Lebiere, 1998) (Anderson & Lebiere, 2001) Implementações GRAPES PUPS ACT-R 2.0 ACT-R 3.0 ACT-R 4.0 ACT-R/PM ACT-R 5.0 Windows Environment Macintosh Environment ACT-R 6.0 (Sauers & Farrell, 1982) (Anderson & Thompson, 1989) (Lebiere & Kushmerick, 1993) (Lebiere, 1995) (Lebiere, 1998) (Byrne, 1998) (Lebiere, 2001) (Bothell, 2001) (Fincham, 2001) (Bothell 2004)

23 ACT-R Conhecimento Declarativo coisas que somos consciente de que sabemos e que podemos usualmente descrever para outras pessoas representado em termos de chunks configurações de elementos que codificam as diversas coisas que sabemos Conhecimento Procedural conhecimento que exibimos por meio de nosso comportamento, mas do qual não somos conscientes regras de produção especificam como buscar e utilizar o conhecimento declarativo para resolver problemas

24 ACT-R Memória Declarativa Memória Procedural Simbólico Chunks: fatos declarativos Produções: SE (cond) ENTÃO (ação) Sub-simbólico Ativação de chunks (probabilidade de seleção) Utilidade: Resolução de Conflitos (probabilidade de uso)

25 ACT-R Exemplos de Chunks Definindo tipos de chunks (categorias) (chunk-type (chunk-type (chunk-type (chunk-type (chunk-type name slot-name-1 slot-name-2 slot-name-n) bird species color size) column row1 row2 row3) count-order first second) count-from start end) Definindo chunks (add-dm (b ISA count-order first 1 (c ISA count-order first 2 (d ISA count-order first 3 (e ISA count-order first 4 (f ISA count-order first 5 (first-goal ISA count-from second 2) second 3) second 4) second 5) second 6) start 2 end 4))

26 ACT-R Buffers Interface entre a memória procedural e os outros módulos do sistema Buffer 'goal': interface para o módulo 'goal' Buffer 'retrieval': interface para o módulo 'retrieval' Cada buffer só pode ter um único chunk a cada instante de tempo Valores dos buffers podem ser alterados por produções Resolução de Conflitos Somente uma produção pode disparar a cada instante Escolher a produção é uma resolução de conflitos

27 ACT-R Exemplos de Produções (P counting-example =goal> isa count state incrementing number =num1 =retrieval> isa count-order first =num1 second =num2 ==> =goal> number =num2 +retrieval> isa count-order first =num2 ) English Description If the goal chunk is of the type count the state slot is incrementing there is a number we will call =num1 and the chunk in the retrieval buffer is of type count-order the first slot has the value =num1 and the second slot has a value we will call =num2 Then change the goal to continue counting from =num2 and request a retrieval of a count-order chunk to find the number that follows =num2

28 ACT-R Ações sobre os buffers =retrieval> Modifica valores dos slots do buffer +retrieval> Faz uma requisição ao módulo em questão -retrieval> Limpa o buffer em questão?retrieval> Efetua 'queries' ao módulo Modelo ACT-R Programa em LISP contendo os comandos ACT-R

29 ACT-R 5.0 Intentional Module (not identified) Productions (Basal Ganglia) Goal Buffer (DLPFC) Declarative Module (Temporal/Hippocampus) Retrieval Buffer (VLPFC) Matching (Striatum) Selection (Pallidum) Execution (Thalamus) Visual Buffer (Parietal) Visual Module (Occipital/etc) Manual Buffer (Motor) Manual Module (Motor/Cerebellum) Environment

30 ACT-R ACT-R 6.0 Ambiente ACT-R Ferramentas de depuração e teste de modelos

31 ACT-R Versão 6.0 Novos módulos Novos buffers

32 ACT-R Integração com Software Versão Original Lisp Dificuldade de integração com outras linguagens jactr.org (versão em Java) Não tão atualizada Para saber mais... Download do software no site Tutoriais Explicando o uso dos diferentes modules Manual de Referência

33 SOAR SOAR (State, Operator And Result) John Laird, Allen Newell, Paul Rosenbloom (1987) Carnegie-Mellon University University of Michigan Arquitetura cognitiva Sistema de Símbolos Físicos Sistemas de Produção Busca em espaços de problemas estrutura de controle automática/deliberativa em dois níveis Aprendizagem contínua, determinada por impasses

34 SOAR

35 SOAR Estados e Operadores estruturas básicas suportadas pela arquitetura Estados: toda informação sobre a situação corrente, incluindo a percepção e a descrição de metas correntes e espaços de problemas Operadores: ocasionam passos no espaço de problemas Memória de Trabalho percepções e hierarquia de estados e seus operadores associados conteúdo pode acionar a memória de longo prazo ou ações motoras

36 SOAR Memória de Longo Prazo Repositório do conteúdo processado pela arquitetura capaz de produzir comportamento Memória Procedural: Regras acessada automaticamente durante os ciclos de decisão Memória Semântica: Estruturas Declarativas Memória Episódica: Episódios Memórias de longo prazo são impenetráveis não podem ser examinadas diretamente certos procedimentos recuperam informações nas memórias de longo prazo e armazenam na memória de trabalho

37 SOAR Interface Perceptiva/Motora Mapeamentos do mundo externo para representações internas na memória de trabalho e de representações internas para o mundo externo Percepção e Ação podem acontecer em paralelo com o processo de cognição Ciclo de Decisão Processo arquitetural básico suportando a cognição Seleção e Aplicação de Operadores Três fases Elaboração, Decisão, Aplicação

38 SOAR Fase de Elaboração Acesso paralelo à Memória de Longo Prazo para elaborar o estado Sugestão de novos operadores Avaliação dos operadores Fase de Decisão Procedimento de Decisão Linguagem de Preferência por operadores Resultado Operador selecionado Impasse Preferências incompletas ou conflito

39 SOAR Fase de Aplicação regras são disparadas de forma a modificar os estados Seleção de um único operador por ciclo de decisão impõe um gargalo cognitivo à arquitetura limite no trabalho cognitivo por ciclo Impasses sinalizam uma falta de conhecimento oportunidade para aprendizagem Acontecem automaticamente quando o conhecimento elicitado pelo estado corrente não é suficiente para o procedimento de decisão selecionar um operador

40 SOAR Linguagem de Impasses Independente de domínio Quando ocorre um Impasse arquitetura automaticamente inicia a criação de um novo subestado cuja meta é resolver o impasse impõe uma hierarquia de metas/sub-estados no contexto da memória de trabalho Quatro Mecanismos de Aprendizagem Chunking, Aprendizagem por Reforço, Aprendizagem Episódica, Aprendizagem Semântica

41 SOAR Chunking cria automaticamente novas regras na memória de longo prazo utilizando-se dos resutados gerados de um impasse previnem que um impasse ocorra em situações similares no futuro Aprendizagem por Reforço ajusta os valores das preferências por operadores Aprendizagem Episódica armazena a história das experiências Aprendizagem Semântica captura asserções declarativas mais abstratas

42 SOAR

43 SOAR Working Memory Elements (WME) (identifier ^attribute value) (identifier ^attribute-1 value-1 ^attribute-2 value-2 ^attribute-3 value-3... ^attribute-n value-n) (O43 ^isa apple ^color red ^inside O53 ^size small ^X44 200) (O87 ^isa ball ^color red ^inside O53 ^size big) (O53 ^isa box ^size large ^color orange ^contains O43 O87) (X44 ^unit grams ^property mass)

44 SOAR Preferências (S1 ^operator O3 +) (S1 ^operator O3 > O4) Produções sp {blocks-world*propose*move-block (state <s> ^problem-space blocks ^thing <thing1> {<> <thing1> <thing2>} ^ontop <ontop>) (<thing1> ^type block ^clear yes) (<thing2> ^clear yes) (<ontop> ^top-block <thing1> ^bottom-block <> <thing2>) --> (<s> ^operator <o> +) (<o> ^name move-block ^moving-block <thing1> ^destination <thing2>)}

45 SOAR Debugger

46 Visual SOAR

47 SOAR Integração com Software Bindings para C++, Java, Tcl Conexão via Sockets (outras linguagens) SML (SOAR Markup Language) É uma interface com a qual é possível integrar o SOAR com uma vasta variedade de ambientes permitindo a realização de diversos tipos de simulações e a depuração dos seus resultados. Baseado no envio e recebimento de pacotes XML Exemplo: <sml smlversion= 1.0 doctype= call soarversion= id= 1234 > <command name= cmdline output= raw > <arg param= agent >test-agent</arg> <arg param= line >source towers.soar</arg> </command> </sml>

48 SML Um cliente pode comunicar-se diretamente com a arquitetura enviando e recebendo pacotes XML através de um socket mantido pelo SOAR na porta (porta padrão). Entretanto, existe um conjunto de classes que fornecem uma interface de comunicação mais simples, ocultando todos os detalhes do envio e recebimento de pacotes XML's. É conhecido como o módulo ClientSML ClientSML Disponível para as linguagens: C++, Java e Tcl

49 SOAR: Principais Classes do Framework

50 Passo-a-passo Iniciar Kernel do Soar Iniciar Agente Carregar Produções Atualizar o SOAR com os dados do ambiente Rodar iterações no SOAR Obter e decodificar comandos Atualizar agente no ambiente

51 Exemplo em Java // Create Soar kernel And Agent Kernel kernel = Kernel.CreateKernelInNewThread(); Agent agent = kernel.createagent(agentname); // Load some productions agent.loadproductions(productionpath.getabsolutepath()); // Get Soar input link in order to provide environment data Identifier inputlink = agent.getinputlink(); // Setting Creature Position Identifier creatureposition = agent.createidwme(inputlink, "Position"); agent.createfloatwme(creatureposition, "X", 32); agent.createfloatwme(creatureposition, "Y", 50);

52 Exemplo em Java // Commit the data. Ready to run. agent.commit(); // Run Soar until it generates output or 15 decision cycles have passed agent.runselftiloutput(); // Go through all the commands we've received int numbercommands = agent.getnumbercommands() ; for (int i = 0 ; i < numbercommands ; i++) { // Update environment to reflect agent's command string speed = agent.getcommand(i).getparametervalue("action"); }

53 Maiores Informações Para saber mais... Download do software no site Tutoriais Explicando o uso do SOAR em diferentes situações SOAR Manual SOAR-RL Manual SML Outros documentos

54 A Arquitetura Cognitiva Clarion Ron Sun University of Missouri-Columbia EUA Clarion Cognição Implícita e Explícita Interação Cognição-Motivação-Ambiente Monitoramento Metacognitivo e controle do processamento cognitivo Módulos Action Centered Sybsystem: comportamento Non-Action Centered Subsystem: conhecimento Supervisão Motivational Subsystem Metacognitive Subsystem

55 A Arquitetura Cognitiva Clarion

56 Representação: Top-Level x Bottom-Level Action-centered Action-centered Explicit Explicit Representation Representation Non-action-centered Non-action-centered Explicit Explicit Representation Representation Action-centered Action-centered Implicit Implicit Representation Representation Non-action-centered Non-action-centered Implicit Implicit Representation Representation ACS NACS Toplevel Bottomlevel

57 ACS Representação Explícita ( Top Level ) Chunks e Rules Representação Implícita ( Bottom Level ) Redes Neurais (Hopfield, BackPropagation) Ciclo Operacional do Módulo ACS Observa o estado corrente Computa o bottom level e determina uma ação Computa o top level e determina uma ação Seleciona uma ação apropriada combinando as ações do bottom level e do top level Executa a ação selecionada e observa o próximo estado Executa aprendizado no bottom level e no top level

58 ACS No bottom level IDNs: Implicit Decision Networks Estado corrente é representado por pares Dimensão-Valor (dim1, val1) (dim2, val2) (dimn, valn) Cada par corresponde a um nó de entrada da rede Três tipos de entradas Sensory Input (visual, auditory,., etc.) Working Memory Items Goal Structure Item Ações são representadas como nós no layer de saída Três tipos de ações: WorkingMemoryActions, GoalActions, ExternalActions Cada ação consiste de um ou mais ActionDimensions (dim1, val1) (dim2, val2) (dimn, valn)

59 ACS O nível de ativação de um nó (em uma Implicit Decision Network) é calculado segundo a seguinte função de ativação 1 o= n wi x i 1+ e i =0 Onde xi é o valor da entrada l (do nó), wi é o peso da entrada I e n é o número de entradas do nó

60 ACS Uma ação é escolhida baseada na distribuição de Boltzman de ativações dos nós do layer de saída A probabilidade de se selecionar uma ação particular I no bottom level é (de acordo com a distribuição de Boltzman): Ai / t e p ( i x ) = A /t e j j Onde Ai é a ativação da ação i e t é o parâmetro de ruído (temperatura)

61 Escolha da Ação de Saída no Bottom Level Working Working Memory Memory WM action WM WM Action Action Network Network WM content External action External External Action Action Network Network Sensory input Goal Goal Structure Structure GS action GS GS Action Action Network Network Current goal

62 ACS No Top Level Regras explícitas Pares Condição Ação Chunks Podem vir de diversas fontes Regras Extraídas e Refinadas (RER Rules) Regras Aprendidas de Maneira Independente (IRL Rules) Regras Fixas (FR Rules) Chunks são coleções de pares Dimensão-Valor que representam ou condições ou ações no top level Chunk-idi: (dimi1, vali1) (dimi2, vali2) (dimini, valini) e.g., table-1: (size, large) (color, white) (number-of-legs, 4) Cada chunk é representado por um nó no top level Cada par Dimensão-Valor é representado por um nó no bottom level

63 ACS Uma regra top level contém uma condição e uma ação (possivelmente com múltiplas dimensões) A ação está associada com os seguintes fatores: Base-Level Activation (BLA) Mede o quão recente uma regra foi utilizada (necessidade de uso) Utilizada para determinar RTs (Response Times) e destacar regras pertinentes Ativação de decaimento gradual Utilidade (U) Mede a utilidade de uma regra, baseada no custo/benefício da mesma (suporte de uma regra) Utilizada para selecionar as regras Seleção da Regra no top level Baseada em uma distribuição de Boltzman da utilidade da regra

64 ACS Aprendizagem No bottom level Utiliza Backpropagation para realizar a correção do erro na IDN Três métodos de aprendizagem: Standard Backpropagation Q-Learning (reinforcement learning) Simplified Q-Learning No top level Três métodos: Bottom-up rule extraction and refinement (RER) Pares condição ação são extraídos do bottom level e refinados Independent Rule Learning (IRL) Regras de várias formas são geradas de maneira independente e então refinadas ou deletadas Fixed Rule (FR) Regras são obtidas de experiências passadas, ou fornecidas por fontes externas

65 ACS Integração entre níveis Diversos métodos de integração: Seleção Estocástica Combinação Retificação Bottom-Up Orientação Top-Down (TD-Guidance) Assumem uma rede no bottom level e um grupo de regras no top level Conclusões positivas atingidas no top level podem inserir recomendações de ação no bottom level Conclusões negativas atingidas no top level podem vetar ações no bottom level

66 ACS Retificação Bottom-Up Saída do bottom level é enviada para o top-level Top level retifica e utiliza a saída do bottom level em conjunto com o conhecimento do top level e.g. combinação por soma ponderada Guidance Top-Down Saída do top level é enviada para bottom level O bottom level utiliza a saída do top level, junto com seu próprio conhecimento, de forma a decidir a ação final

67 ACS Working Memory Armazenamento de informações para uso temporário Prover suporte aos mecanismos de inferência e tomada de decisão Uso da memória envolve Codificação deliberada da informação Esvanecimento gradual da informação no tempo Atualização temporal da informação Capacidade limitada de armazenamento Múltiplos locais de armazenagem Seções específicas dependendo dos sensores Acesso à memória pode ser feito por ambos os níveis

68 Working Memory Working Memory e o NACS WM pode ser utilizada para transmitir informações entre os subsistemas ACS e o NACS Uso mínimo pelo NACS Informações declarativas adicionais sobre o estado corrente e ação corrente (incluindo-se episódios passados relacionados, que são armazenados no NACS

69 NACS Non-Action Centered Subsystem Representação equivalente e semelhante à ACS Consequentes das regras não são Actions, mas sim Chunks Processamento iterativo e potencialmente bi-direcional Representação Conhecimentos gerais: Memória Semântica Conhecimentos sobre experiências específicas do mundo: Memória Episódica Vários tipos de buscas e inferências com esse conhecimento Controlado pelo ACS, por meio de suas ações

70 NACS General General Knowledge Knowledge Store Store (GKS, (GKS, i.e. i.e. semantic semantic memory) memory) Episodic Episodic Memory Memory (EM) (EM) Associative Associative Memory Memory Networks Networks (AMN) Auto-associative (AMN) Auto-associative Associative Associative Memory Memory Networks Networks (AMN) Hetero-associative (AMN) Hetero-associative Abstract Abstract Episodic Episodic Memory Memory (AEM) (AEM)

71 GKS: General Knowledge Store Nível Top Codifica conhecimento explícito Chunks: armazenam conceitos co-ocorrência de microcaracterísticas (do nível bottom ) Chunk-idi table-1 (dimi1, vali1) (dimi2, vali2) (dimin, valin) (type, table) (size, large) (color, white) (number-of-legs, 4) Cada chunk é representado simultaneamente por um nó no nível top e uma micro-característica no nível bottom Links entre chunks armazenam associações explícitas entre chunks (unidirecionais ou bi-direcionais) Condições: um ou mais chunks Conclusão: um único chunk Ativação de Chunks Oriunda de uma entrada, regra associativa do nível top ou por raciocínio baseado em similaridade da interação top-bottom

72 AMN: Associative Memory Networks Nível bottom Conhecimento implícito (redes neurais) Cada chunk no nível top é representado por uma microcaracterística no nível bottom Ativação Bottom-up Por mapeamentos associativos ou processos baseados em similaridade Várias possibilidades em capturar associações implícitas Auto-associativas (Redes de Hopfield) Hetero-associativas (Redes MLP com BP) Ativação Top-down ou Bottom-up

73 NACS - Raciocínio Começa com uma ação do ACS Ativações bottom-up ou top-down podem então acontecer No nível bottom Começa com os nós de micro-características ativados, ativando outras micro-características No nível top Inferências começam a partir de todos os chunks ativados, aplicando-se as regras simultaneamente Novos chunks são inferidos Integração entre níveis Ativação bottom-up

74 NACS - Raciocínio Tipos de Raciocínio Forward Chaining Forward Chaining baseado em Similaridade Threshold determina se uma conclusão é aceitável ou não Coordenação entre NACS e ACS Usualmente o NACS é controlado pelo ACS Uma ação ACS comanda um passo de raciocínio no NACS A saída do NACS é enviada novamente para o ACS

75 EM e AEM: Memória Episódica EM: Memória Episódica Parte especial da GKS Experiências orientadas a ações Estímulos, respostas e consequências + TimeStamps Experiências não-orientada a ações Chunks e regras associativas + TimeStamps AEM: Abstract Episodic Memory Informação sumarizada dos episódios da EM AFN: Action Frequency Network Mapeia os estados na distribuição de frequência das ações SFN: State Frequency Network Mapeia os estados/ações na distribuição de frequência dos estados sucessivos, bem como de reforços

76 MS: O Subsistema Motivacional Goal action from MCS, ACS Sensory input Goal GoalStructure Structure Low-level Low-levelPrimary PrimaryDrives Drives High-level High-levelPrimary PrimaryDrives Drives Secondary SecondaryDrives Drives Goal to MCS, ACS Drive strengths to MCS, etc.

77 MS: O Subsistema Motivacional Motivação em Sistemas Inteligentes Sustentabilidade : Um agente precisa atender a suas necessidades básicas, tais como fome e sede, evitar perigos, etc. Propósito: A ação de um agente deve ser orientada a um propósito, e não aleatória. O propósito do agente está relacionado com sua sustentabilidade Foco: Um agente deve ser capaz de focar em diferentes propósitos em diferentes instantes de tempo, e eventualmente mudar seu foco, momentaneamente ou de maneira permanente Adaptabilidade: Um agente deve ser capaz de adaptar seu comportamento (ou seja, aprender), para melhorar seu desempenho

78 MS: O Subsistema Motivacional Como representar Drives, necessidades, desejos, propósitos? Representações explícitas ou implícitas? Subsistema Motivacional Permite a modelagem de drives e sua interação Provê o contexto e as metas para o ACS Representação Dual: Explícita x Implícita Representação Explícita Metas específicas do agente Baseadas em estados de drives internos (oriundos do MCS)

79 MS: O Subsistema Motivacional Especificações Ativação Proporcional: a ativação de um drive deve ser proporcional a existência (ou ausência) de recursos Oportunismo: o agente deve considerar a oportunidade de se mudar o comportamento diante do surgimento de um recurso Contiguidade das ações: o agente não deve ficar mudando de objetivo o tempo todo. Persistência: após satisfazer um drive, o agente deve persistir durante um tempo, até um certo nível de satisfação Interrupção em urgências: drives mais urgentes podem interromper outros de menor prioridade Combinação de Preferências: Satisfazer diversos drives simultaneamente, com menos efetividade deve ser preferível a satisfazer um único drive com maior efetividade

80 MS: O Subsistema Motivacional Drives Primários Baixo nível: Buscar comida, buscar bebida, evitar perigo, dormir, reproduzir, evitar saturação, curiosidade, evitar aborrecimento Alto nível: Buscar proximidade com outros iguais, auto-estima, desejo de evolução Drives Secundários Derivados dos drives primários Condicionamento, a partir de drives primários Drives assumidos de outros agentes, por meio de instruções ou o desejo de agradar outros agentes

81 MS: O Subsistema Motivacional Goal Structure Múltiplos drives podem estar ativados ao mesmo tempo, mas apenas uma meta pode ser perseguida a cada instante Ações escolhidas no ACS dependem do estado corrente e da meta corrente Goal Chunk Dimensão e parâmetros da dimensão Organizados em Estruturas Lista de Metas (Goal List) Posição do Goal não é importante Pilha de Metas (Goal Stack) Somente o Goal no topo do stack é acessado Novos Goals podem ser inseridos ou removidos do topo da pilha

82 MCS: O Subsistema Metacognitivo Reinforcement Evaluation/Reinforcement Evaluation/Reinforcement State Goal Drives Goal Goal Setting Setting Goal Action Level Level Selection Selection Reasoning Reasoning Selection Selection Learning Learning Selection Selection Input Input Selection Selection Monitoring Monitoring Buffer Buffer Output Output Selection Selection etc. etc. Parameter Parameter Setting Setting Filtering, Selection and Regulation

83 MCS: O Subsistema Metacognitivo Meta-Cognição Conhecimento do próprio processamento cognitivo Monitoramento e regulação de parâmetros dos processos cognitivos Usualmente em serviço de algum objetivo concreto Equivalente a um ACS, mas operando sobre variáveis internas Módulos Set-up de Goals, reforço, filtragem, aprendizagem e raciocínio, seleção de nível, set-up de parâmetros, monitoramento de desempenho, e outros

84 Classes Principais do Framework

85 O Framework de Software A partir do final 2011 ocorreu uma reformulação na arquitetura e atualmente encontra-se na versão (Beta) Totalmente reescrita em C# utilizando.net Framework Segundo os próprios autores: we found it much easier to build all of the new features and capabilities for version 6.1 of the CLARION Library in C#. This is owing to several language constructs in which Java is either lacking or (in our opinion) less proficient. Para o desenvolvimento em Linux, existe o projeto Mono:

86 O Framework de Software A arquitetura nada mais é que uma biblioteca (arquivo.dll) que provê um conjunto de classes e métodos para a sintetização de comportamentos cognitivos em agentes artificiais. Para a sua utilização, basta criar um típico projeto em C# (Visual Studio ou Mono) e adicionar essa biblioteca como referência ao projeto. Finalmente, basta prover à arquitetura um conjunto de entradas sensorias de modo que ao final de um ciclo de cognição, esta consiga especificar uma ação para o agente.

87 Exemplo em C# // Input Sensorial Types DimensionValuePair hi = World.NewDimensionValuePair("Salutation", "Hello"); DimensionValuePair bye = World.NewDimensionValuePair("Salutation", "Goodbye"); // Output Types ExternalActionChunk sayhi = World.NewExternalActionChunk("Hello"); ExternalActionChunk saybye = World.NewExternalActionChunk("Goodbye"); // Initialize Agent Agent John = World.NewAgent("John");

88 Exemplo em C# // Create Decision Action Net SimplifiedQBPNetwork net = AgentInitializer.InitializeImplicitDecisionNetwork(John, SimplifiedQBPNetwork.Factory); net.input.add(hi); net.input.add(bye); net.output.add(sayhi); net.output.add(saybye); // Associate net to the agent John.Commit(net);

89 Exemplo em C# // Input Sensorial Signal si.add(hi, John.Parameters.MAX_ACTIVATION); // Perceive the sensory information John.Perceive(si); // Choose an action chosen = John.GetChosenExternalAction(si); // Give positive feedback. John.ReceiveFeedback(si, 1.0);

90 Maiores Informações R. Sun, A Detailed Specification of CLARION 5.0 Technical Report (2003) Addendum 1: The enhanced description of the motivational subsystem Addendum 2: The enhanced description of similaritybased reasoning. Addendum 3: The properties of the CLARION-H implementation.

91 A Arquitetura Cognitiva LIDA Stan Franklin (Artificial Minds) CCRG: Cognitive Computing Research Group Universidade de Memphis - EUA Conscious Mattie (CMattie CM ) Baseada na Teoria de um Workspace Global de Baars IDA Intelligent Distribution Agent (2002) Suporta o modelo de consciência (framework) de Crick & Koch (2003) LIDA Learning IDA (2006) Novos modelos de aprendizagem Situação em 2012: Versão 1.2 disponível para download: Framework Java

92 A Arquitetura Cognitiva LIDA

93 LIDA Framework É uma library Java que constitui um esqueleto para o desenvolvimento de sistemas cognitivos baseado no Modelo LIDA. Para a criação de agentes com comportamentos inteligentes, é necessário a implementação de interfaces e classes específicas do framework e algumas configurações devem ser feitas através de arquivos XML. Possui uma GUI (Graphical User Interface) que permite uma visualização em tempo real do conteúdo de cada módulo, valores associados a parâmetros, tasks e valores associados a variáveis.

94 LIDA GUI

PROJETO DE REDES www.projetoderedes.com.br

PROJETO DE REDES www.projetoderedes.com.br PROJETO DE REDES www.projetoderedes.com.br Centro Universitário de Volta Redonda - UniFOA Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro

Leia mais

Notas da Aula 15 - Fundamentos de Sistemas Operacionais

Notas da Aula 15 - Fundamentos de Sistemas Operacionais Notas da Aula 15 - Fundamentos de Sistemas Operacionais 1. Software de Entrada e Saída: Visão Geral Uma das tarefas do Sistema Operacional é simplificar o acesso aos dispositivos de hardware pelos processos

Leia mais

Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas

Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas INEB- PSI Technical Report 2007-2 Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas Alexandra Oliveira aao@fe.up.pt Professor Joaquim Marques de Sá December

Leia mais

Protocolos de gerenciamento

Protocolos de gerenciamento Protocolos de gerenciamento Os protocolos de gerenciamento têm a função de garantir a comunicação entre os recursos de redes homogêneas ou não. Com esse requisito satisfeito, operações de gerenciamento

Leia mais

OMT-G Design. Instalação por pacotes

OMT-G Design. Instalação por pacotes OMT-G Design A plataforma Eclipse OMT-G Design não é um software independente, é um plug-in que se utiliza dos mecanismos de extensão do Eclipse que por sua vez é um ambiente de desenvolvimento de software.

Leia mais

Banco de Dados. Conceitos e Arquitetura de Sistemas de Banco de Dados. Profa. Flávia Cristina Bernardini

Banco de Dados. Conceitos e Arquitetura de Sistemas de Banco de Dados. Profa. Flávia Cristina Bernardini Banco de Dados Conceitos e Arquitetura de Sistemas de Banco de Dados Profa. Flávia Cristina Bernardini Relembrando... Vantagens da Utilização de SGBD Redundância controlada Consistência dos dados armazenados

Leia mais

Entrada e Saída. Prof. Leonardo Barreto Campos 1

Entrada e Saída. Prof. Leonardo Barreto Campos 1 Entrada e Saída Prof. Leonardo Barreto Campos 1 Sumário Introdução; Dispositivos Externos; E/S Programada; E/S Dirigida por Interrupção; Acesso Direto à Memória; Bibliografia. Prof. Leonardo Barreto Campos

Leia mais

Sistemas Operacionais 2014 Introdução. Alexandre Augusto Giron alexandre.a.giron@gmail.com

Sistemas Operacionais 2014 Introdução. Alexandre Augusto Giron alexandre.a.giron@gmail.com Sistemas Operacionais 2014 Introdução Alexandre Augusto Giron alexandre.a.giron@gmail.com Roteiro Sistemas Operacionais Histórico Estrutura de SO Principais Funções do SO Interrupções Chamadas de Sistema

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

IP addresses and the port numbers of the components.

IP addresses and the port numbers of the components. CURSO DE PROGRAMAÇÃO DE ROBÔS MÓVEIS USP - ICMC LRM: Laboratório de Robótica Móvel Profs. Denis Wolf, Eduardo Simões, Fernando Osório Alunos PG - Alberto Hata, Gustavo Pessin, Patrick Shinzato, Maurício

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Licenciatura em Computação Prof. Adriano Avelar Site: www.adrianoavelar.com Email: eam.avelar@gmail.com Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por

Leia mais

Relatório Iniciação Científica

Relatório Iniciação Científica Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

UFG - Instituto de Informática

UFG - Instituto de Informática UFG - Instituto de Informática Curso: Sistemas de Informações Arquitetura de Software Prof.: Fabrízzio A A M N Soares professor.fabrizzio@gmail.com Aula 7 JPA A Persistência com JPA Para configurar o JPA

Leia mais

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às

Leia mais

Frameworks orientados a objetos. Por Sergio Crespo

Frameworks orientados a objetos. Por Sergio Crespo Frameworks orientados a objetos Por Sergio Crespo Frameworks O que é um Framework??? Um framework é um conjunto de classes que constitui um design abstrato para soluções de uma família de problemas - Johnson

Leia mais

ESPECIFICAÇÃO DO AMBIENTE EXPSEE SEGUNDO O MÉTODO CATALYSIS

ESPECIFICAÇÃO DO AMBIENTE EXPSEE SEGUNDO O MÉTODO CATALYSIS ESPECIFICAÇÃO DO AMBIENTE EXPSEE SEGUNDO O MÉTODO CATALYSIS RESUMO Este artigo apresenta a especificação de um sistema gerenciador de workflow, o ExPSEE, de acordo com a abordagem de desenvolvimento baseado

Leia mais

Classes de Entidades Persistentes JDB

Classes de Entidades Persistentes JDB Classes de Entidades Persistentes JDB Brasil, Natal-RN, 07 de setembro de 2011 Welbson Siqueira Costa www.jdbframework.com Nota de Retificação: em 11/12/2011 a Listagem 3 desse tutorial sofreu uma pequena

Leia mais

Projeto de Arquitetura

Projeto de Arquitetura Projeto de Arquitetura Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 11 Slide 1 Objetivos Apresentar projeto de arquitetura e discutir sua importância Explicar as decisões de projeto

Leia mais

2 Auto-sintonia de Bancos de Dados e Agentes de Software

2 Auto-sintonia de Bancos de Dados e Agentes de Software 2 Auto-sintonia de Bancos de Dados e Agentes de Software A uso da abordagem de agentes de software 1 pode trazer benefícios a áreas de aplicação em que é necessário construir sistemas autônomos, ou seja,

Leia mais

BANCO DE DADOS E BUSINESS INTELIGENCE. C/H: 20 horas (20/02, 25/02, 27/02, 04/03, 06/03)

BANCO DE DADOS E BUSINESS INTELIGENCE. C/H: 20 horas (20/02, 25/02, 27/02, 04/03, 06/03) MBA em Gestão de TI MÓDULO: BANCO DE DADOS E BUSINESS INTELIGENCE C/H: 20 horas (20/02, 25/02, 27/02, 04/03, 06/03) PROFESSOR: Edison Andrade Martins Morais prof@edison.eti.br http://www.edison.eti.br

Leia mais

Introdução à Arquitetura de Computadores

Introdução à Arquitetura de Computadores 1 Introdução à Arquitetura de Computadores Hardware e software Organização de um computador: Processador: registradores, ALU, unidade de controle Memórias Dispositivos de E/S Barramentos Linguagens de

Leia mais

SISTEMAS INTELIGENTES DE APOIO À DECISÃO

SISTEMAS INTELIGENTES DE APOIO À DECISÃO SISTEMAS INTELIGENTES DE APOIO À DECISÃO As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas

Leia mais

APLICAÇÕES EM SISTEMAS DISTRIBUÍDOS Prof. Ricardo Rodrigues Barcelar http://www.ricardobarcelar.com

APLICAÇÕES EM SISTEMAS DISTRIBUÍDOS Prof. Ricardo Rodrigues Barcelar http://www.ricardobarcelar.com - Aula 6 - ALGORÍTIMOS PARALELOS MPI - Parallel Virtual Machine e PVM - Parallel Virtual Machine 1. INTRODUÇÃO Inicialmente é necessário conceber alguns conceitos para entendimento dos algoritmos paralelos:

Leia mais

O Hardware e o Software do Computador

O Hardware e o Software do Computador O Hardware e o Software do Computador Aula 3 Parte 2 Software de Computador Aplicativo Horizontal: tarefas genéricas, para quaisquer organizações Aplicativo Vertical: tarefas específicas, para organizações

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE HARDWARE E SOFTWARE

ADMINISTRAÇÃO DOS RECURSOS DE HARDWARE E SOFTWARE ADMINISTRAÇÃO DOS RECURSOS DE HARDWARE E SOFTWARE 1 OBJETIVOS 1. Qual é a capacidade de processamento e armazenagem que sua organização precisa para administrar suas informações e transações empresariais?

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Edirlei Soares de Lima Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de

Leia mais

Banco de Dados. Maurício Edgar Stivanello

Banco de Dados. Maurício Edgar Stivanello Banco de Dados Maurício Edgar Stivanello Agenda Conceitos Básicos SGBD Projeto de Banco de Dados SQL Ferramentas Exemplo Dado e Informação Dado Fato do mundo real que está registrado e possui um significado

Leia mais

Sistemas Operativos I

Sistemas Operativos I Componentes de um Sistema Operativo Maria João Viamonte / Luis Lino Ferreira Fevereiro de 2006 Sistema Operativo Um Sistema Operativo pode ser visto como um programa de grande complexidade, responsável

Leia mais

Sistemas Operacionais Cap 3 Estruturas de Sistemas Operacionais. Podemos analisar um sistema operacional sob diversos aspectos:

Sistemas Operacionais Cap 3 Estruturas de Sistemas Operacionais. Podemos analisar um sistema operacional sob diversos aspectos: Estruturas de Sistemas Operacionais Podemos analisar um sistema operacional sob diversos aspectos: Os serviços que o sistema operacional oferece. A interface que o sistema operacional torna disponível

Leia mais

Uma Introdução à Arquitetura CORBA. O Object Request Broker (ORB)

Uma Introdução à Arquitetura CORBA. O Object Request Broker (ORB) Uma Introdução à Arquitetura Francisco C. R. Reverbel 1 Copyright 1998-2006 Francisco Reverbel O Object Request Broker (ORB) Via de comunicação entre objetos (object bus), na arquitetura do OMG Definido

Leia mais

PLATAFORMA DE DESENVOLVIMENTO PINHÃO PARANÁ MANUAL DE UTILIZAÇÃO DO CVS NO ECLIPSE

PLATAFORMA DE DESENVOLVIMENTO PINHÃO PARANÁ MANUAL DE UTILIZAÇÃO DO CVS NO ECLIPSE PLATAFORMA DE DESENVOLVIMENTO PINHÃO PARANÁ MANUAL DE UTILIZAÇÃO DO CVS NO ECLIPSE Agosto 2007 Sumário de Informações do Documento Tipo do Documento: Manual Título do Documento: MANUAL DE UTILIZAÇÃO DO

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial CTC15 Aula 1 CTC15 Aula 1 1 Motivação e orientações gerais Sumário O que é e para que serve IA Breve história e estado da arte Divisões em IA Bibliografia e organização do curso

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

Estudo de Caso 4.1 Coleta de Estatísticas

Estudo de Caso 4.1 Coleta de Estatísticas 4 Estudo de Caso Com o propósito de melhor apresentar a arquitetura NeMaSA, assim como melhor ilustrar seu funcionamento, dois exemplos práticos de testes desenvolvidos sobre a arquitetura proposta serão

Leia mais

Tipos de sistemas operacionais

Tipos de sistemas operacionais Tipos de sistemas operacionais Sistemas Operacionais de Computadores de Grande Porte Sistemas Operacionais para Servidores Sistemas Operacionais de Multiprocessadores Sistemas Operacionais para Computadores

Leia mais

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia. 1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade

Leia mais

Programação Orientada a Objetos Prof. Rone Ilídio UFSJ/CAP

Programação Orientada a Objetos Prof. Rone Ilídio UFSJ/CAP Programação Orientada a Objetos Prof. Rone Ilídio UFSJ/CAP 1) Introdução Programação Orientada a Objetos é um paradigma de programação bastante antigo. Entretanto somente nos últimos anos foi aceito realmente

Leia mais

Conhecendo o Visual FoxPro 8.0 Parte 3

Conhecendo o Visual FoxPro 8.0 Parte 3 AULA Conhecendo o Visual FoxPro 8.0 Parte 3 Continuando nossa saga pelas ferramentas do Visual FoxPro 8.0, hoje vamos conhecer mais algumas. A Ferramenta Class Designer A Class Designer é a ferramenta

Leia mais

( JUDE Community 5.1 2006/2007 ) Por Denize Terra Pimenta Outubro/2007

( JUDE Community 5.1 2006/2007 ) Por Denize Terra Pimenta Outubro/2007 Tutorial JUDE ( JUDE Community 5.1 2006/2007 ) Por Denize Terra Pimenta Outubro/2007 Ferramenta CASE UML Índice Introdução... 2 Download e Instalação... 2 Apresentação da Ferramenta... 2 Salvando o Projeto...

Leia mais

Computação Sensível ao Contexto

Computação Sensível ao Contexto Computação Sensível ao Contexto Percepção de Contexto em Ambientes Domiciliares Modelagem de Contexto Modelagem de Contexto + Modelagem de Usuário Fabrício J. Barth novembro de 2004 Sumário O que já foi

Leia mais

Introdução. O que vimos. Infraestrutura de Software. (cont.) História dos Sistemas Operacionais. O que vimos 12/03/2012. Primeira geração: 1945-1955

Introdução. O que vimos. Infraestrutura de Software. (cont.) História dos Sistemas Operacionais. O que vimos 12/03/2012. Primeira geração: 1945-1955 O que vimos Infraestrutura de Software Introdução (cont.) Complexidade do computador moderno, do ponto de vista do hardware Necessidade de abstrações software Sistema computacional em camadas SO como uma

Leia mais

Google File System. Danilo Silva Marshall Érika R. C. de Almeida

Google File System. Danilo Silva Marshall Érika R. C. de Almeida Google File System Danilo Silva Marshall Érika R. C. de Almeida Tópicos abordados Sistemas de arquivos Sistemas de arquivos distribuídos Google File System Gmail File System Linux Windows Gspace Referências

Leia mais

Sistemas Baseados em Regras. Profa. Patrícia Dockhorn Costa pdcosta@inf.ufes.br www.inf.ufes.br/~pdcosta/ensino

Sistemas Baseados em Regras. Profa. Patrícia Dockhorn Costa pdcosta@inf.ufes.br www.inf.ufes.br/~pdcosta/ensino Sistemas Baseados em Regras Aula2: Conceituação Profa. Patrícia Dockhorn Costa pdcosta@inf.ufes.br www.inf.ufes.br/~pdcosta/ensino Um problema de matemática... 4 jogadores de golfe estão organizados em

Leia mais

Oracle PL/SQL Overview

Oracle PL/SQL Overview Faculdades Network Oracle PL/SQL Overview Prof. Edinelson PL/SQL Linguagem de Programação Procedural Language / Structured Query Language Une o estilo modular de linguagens de programação à versatilidade

Leia mais

Projeto: Estudo da arquitetura de navegação autônoma para robôs móveis SFX. Orientando: Julian Alberto Piovesan Ruiz Diaz Orientador: Adriana Postal

Projeto: Estudo da arquitetura de navegação autônoma para robôs móveis SFX. Orientando: Julian Alberto Piovesan Ruiz Diaz Orientador: Adriana Postal Projeto: Estudo da arquitetura de navegação autônoma para robôs móveis SFX. Orientando: Julian Alberto Piovesan Ruiz Diaz Orientador: Adriana Postal RELATO SOBRE O PROJETO: Este projeto tem como objetivo

Leia mais

Sistemas Operacionais

Sistemas Operacionais Sistemas Operacionais Evolução Edson Moreno edson.moreno@pucrs.br http://www.inf.pucrs.br/~emoreno Sumário Introdução Componentes de um sistema computacional Conceituação Características desejáveis Organização

Leia mais

Figura 01 Kernel de um Sistema Operacional

Figura 01 Kernel de um Sistema Operacional 01 INTRODUÇÃO 1.5 ESTRUTURA DOS SISTEMAS OPERACIONAIS O Sistema Operacional é formado por um Conjunto de rotinas (denominado de núcleo do sistema ou kernel) que oferece serviços aos usuários e suas aplicações

Leia mais

Testar os programas para estabelecer a presença de defeitos no sistema. Teste de Software. Teste de defeitos. Objetivos. Tópicos

Testar os programas para estabelecer a presença de defeitos no sistema. Teste de Software. Teste de defeitos. Objetivos. Tópicos Teste de defeitos Teste de Software Testar os programas para estabelecer a presença de defeitos no sistema Ian Sommerville 2000 Software Engineering, 6th edition. Chapter 20 Slide 1 Ian Sommerville 2000

Leia mais

Análise e Projeto Orientados por Objetos

Análise e Projeto Orientados por Objetos Análise e Projeto Orientados por Objetos Aula 02 Análise e Projeto OO Edirlei Soares de Lima Análise A análise modela o problema e consiste das atividades necessárias para entender

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

Nível 3 Sistema Operacional

Nível 3 Sistema Operacional Nível 3 Sistema Operacional Universidade Tuiuti do Paraná UTP Faculdade de Ciências Exatas - FACET Tecnologia de Análise e Desenvolvimento de Sistemas Organização de Computadores Prof. André Luiz 1 Nível

Leia mais

Arquitetura de Software. Silvia Regina Vergilio

Arquitetura de Software. Silvia Regina Vergilio Arquitetura de Software Silvia Regina Vergilio Atividades de Projeto Projeto Geral ou Preliminar: fase que traduz a especificação do sistema em termos da arquitetura de dados e de módulos. Descreve a organização

Leia mais

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 6.1

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 6.1 Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 6.1 6 OBJETIVOS OBJETIVOS ADMINISTRAÇÃO DOS RECURSOS DE HARDWARE E SOFTWARE 6.1 2003 by Prentice Hall Qual é a capacidade de processamento e armazenagem

Leia mais

Estrutura de S.O. Roteiro. BC1518 - Sistemas Operacionais. Prof. Marcelo Z. do Nascimento. Aula 02 2 Quadrimestre. de 2010

Estrutura de S.O. Roteiro. BC1518 - Sistemas Operacionais. Prof. Marcelo Z. do Nascimento. Aula 02 2 Quadrimestre. de 2010 BC1518 - Sistemas Operacionais Estrutura de S.O. Aula 02 2 Quadrimestre de 2010 Prof. Marcelo Z. do Nascimento Email: marcelo.nascimento@ufabc.edu.br Roteiro Serviço do sistema operacional Interface Chamadas

Leia mais

Simulador de Redes Neurais Multiplataforma

Simulador de Redes Neurais Multiplataforma Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC

Leia mais

Eduardo Bezerra. Editora Campus/Elsevier

Eduardo Bezerra. Editora Campus/Elsevier Princípios de Análise e Projeto de Sistemas com UML 2ª edição Eduardo Bezerra Editora Campus/Elsevier Capítulo 11 Arquitetura do sistema Nada que é visto, é visto de uma vez e por completo. --EUCLIDES

Leia mais

ruirossi@ruirossi.pro.br

ruirossi@ruirossi.pro.br Persistência Com JPA & Hibernate Rui Rossi dos Santos ruirossi@ruirossi.pro.br Mediador: Rui Rossi dos Santos Slide 1 Mapeamento Objeto-Relacional Contexto: Linguagem de programação orientada a objetos

Leia mais

Funções de um SO. Gerência de processos Gerência de memória Gerência de Arquivos Gerência de I/O Sistema de Proteção

Funções de um SO. Gerência de processos Gerência de memória Gerência de Arquivos Gerência de I/O Sistema de Proteção Sistemas de Arquivos Funções de um SO Gerência de processos Gerência de memória Gerência de Arquivos Gerência de I/O Sistema de Proteção 2 Sistemas Operacionais Necessidade de Armazenamento Grandes quantidades

Leia mais

Redes de Computadores LFG TI

Redes de Computadores LFG TI Redes de Computadores LFG TI Prof. Bruno Guilhen Camada de Aplicação Fundamentos Fundamentos Trata os detalhes específicos de cada tipo de aplicação. Mensagens trocadas por cada tipo de aplicação definem

Leia mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

Prof. Msc. Paulo Muniz de Ávila

Prof. Msc. Paulo Muniz de Ávila Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida

Leia mais

Introdução ao IDE Netbeans (Programação Java)

Introdução ao IDE Netbeans (Programação Java) Universidade Federal do ABC (UFABC) Disciplina: Processamento da Informação (BC-0505) Assunto: Java e Netbeans Introdução ao IDE Netbeans (Programação Java) Conteúdo 1. Introdução... 1 1.1. Programas necessários...

Leia mais

Infra-Estrutura de Software. Introdução. (cont.)

Infra-Estrutura de Software. Introdução. (cont.) Infra-Estrutura de Software Introdução (cont.) O que vimos Complexidade do computador moderno, do ponto de vista do hardware Necessidade de abstrações software Sistema computacional em camadas SO como

Leia mais

Projeto de Sistemas de Tempo Real

Projeto de Sistemas de Tempo Real Projeto de Sistemas de Tempo Real Centro de Informática - Universidade Federal de Pernambuco Engenharia da Computação Kiev Gama kiev@cin.ufpe.br Slides elaborados pelo professor Marcio Cornélio O autor

Leia mais

Ementas Disciplinas Eletivas

Ementas Disciplinas Eletivas Ementas Disciplinas Eletivas INFORMÁTICA Administração de Redes CH: 60 h Créditos: 2.1.0 Pré-requisito(s): Redes de Computadores II Conceitos e políticas de administração de redes. Gerência de redes e

Leia mais

Prof. Marcelo de Sá Barbosa SISTEMAS DISTRIBUIDOS

Prof. Marcelo de Sá Barbosa SISTEMAS DISTRIBUIDOS Prof. Marcelo de Sá Barbosa SISTEMAS DISTRIBUIDOS Objetos distribuídos e invocação remota Introdução Comunicação entre objetos distribuídos Chamada de procedimento remoto Eventos e notificações Objetos

Leia mais

4 Conversor EDTV Raw. 4.1 Arquitetura

4 Conversor EDTV Raw. 4.1 Arquitetura 4 Conversor EDTV Raw O conversor EDTV Raw é o programa que lê um documento escrito no perfil NCL EDTV e gera um documento Raw equivalente, i.e. que define a mesma apresentação. Este capítulo, apresenta

Leia mais

Módulo 6: Inteligência Artificial

Módulo 6: Inteligência Artificial Módulo 6: Inteligência Artificial Assuntos: 6.1. Aplicações da IA 6.2. Sistemas Especialistas 6.1. Aplicações da Inteligência Artificial As organizações estão ampliando significativamente suas tentativas

Leia mais

Arquitetura e Organização de Computadores

Arquitetura e Organização de Computadores Arquitetura e Organização de Computadores Entrada/Saída Material adaptado, atualizado e traduzido de: STALLINGS, William. Arquitetura e Organização de Computadores. 5ª edição Problemas Entrada/Saída Grande

Leia mais

RBC no Auxílio de Avaliações Imobiliárias

RBC no Auxílio de Avaliações Imobiliárias RBC no Auxílio de Avaliações Imobiliárias Adauto Trigueiro, Alcione da Costa Pinheiro, Clerton Filho, Kátia Silva Unidade Acadêmica de Sistemas e Computação Universidade Federal de Campina Grande (UFCG)

Leia mais

Hardware (Nível 0) Organização. Interface de Máquina (IM) Interface Interna de Microprogramação (IIMP)

Hardware (Nível 0) Organização. Interface de Máquina (IM) Interface Interna de Microprogramação (IIMP) Hardware (Nível 0) Organização O AS/400 isola os usuários das características do hardware através de uma arquitetura de camadas. Vários modelos da família AS/400 de computadores de médio porte estão disponíveis,

Leia mais

Roteiro de Uso do InstallShield

Roteiro de Uso do InstallShield Roteiro de Uso do InstallShield Ao iniciar o InstallShield, a janela Welcome to InstallShield será exibida: Selecione a opção Create New Setup Project, para criar um novo modelo de instalação. A janela

Leia mais

Elsa Cardoso, DCTI - ISCTE

Elsa Cardoso, DCTI - ISCTE Elsa Cardoso, DCTI - ISCTE 25 Maio 2004 elsa.cardoso@iscte.pt Sumário Perspectiva de Desenho do Sistema: Diagrama de classes numa perspectiva de Desenho: Estereótipos Relação de Dependência Relação de

Leia mais

Principais características

Principais características .Net Framework O que é.net? Proprietário da Microsoft Versão simplificada para Linux Versão compacta para dispositivos móveis Plataforma de desenvolvimento e execução Interface com usuário, conectividade

Leia mais

Introdução a Threads Java

Introdução a Threads Java Introdução a Threads Java Prof. Gerson Geraldo Homrich Cavalheiro Universidade Federal de Pelotas Departamento de Informática Instituto de Física e Matemática Pelotas RS Brasil http://gersonc.anahy.org

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

Faculdade Integrada do Ceará FIC Graduação em Redes de Computadores

Faculdade Integrada do Ceará FIC Graduação em Redes de Computadores Faculdade Integrada do Ceará FIC Graduação em Redes de Computadores Disciplina - Sistemas Distribuídos Prof. Andrey Halysson Lima Barbosa Aula 8 Sistema de Arquivos Distribuído Sumário Problemas Solução

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE HARDWARE E SOFTWARE

ADMINISTRAÇÃO DOS RECURSOS DE HARDWARE E SOFTWARE Capítulo 6 ADMINISTRAÇÃO DOS RECURSOS DE HARDWARE E SOFTWARE 6.1 2003 by Prentice Hall OBJETIVOS Qual é a capacidade de processamento e armazenagem que sua organização precisa para administrar suas informações

Leia mais

Sistemas Baseados em Regras. Profa. Patrícia Dockhorn Costa pdcosta@inf.ufes.br www.inf.ufes.br/~pdcosta/ensino

Sistemas Baseados em Regras. Profa. Patrícia Dockhorn Costa pdcosta@inf.ufes.br www.inf.ufes.br/~pdcosta/ensino Sistemas Baseados em Regras Aula3: Drools Profa. Patrícia Dockhorn Costa pdcosta@inf.ufes.br www.inf.ufes.br/~pdcosta/ensino Drools Business Logic integration Platform Plataforma integrada para gerenciamento

Leia mais

GUIA DE INSTALAÇÃO. Plataforma Windows. Relatório Técnico Versão 0.1 (201305032030) Leandro Gomes da Silva, Tiago França Melo de Lima

GUIA DE INSTALAÇÃO. Plataforma Windows. Relatório Técnico Versão 0.1 (201305032030) Leandro Gomes da Silva, Tiago França Melo de Lima Laboratório de Engenharia e Desenvolvimento de Sistemas LEDS/UFOP Universidade Federal de Ouro Preto UFOP GUIA DE INSTALAÇÃO Plataforma Windows Relatório Técnico Versão 0.1 (201305032030) Leandro Gomes

Leia mais

Capítulo 8 Arquitetura de Computadores Paralelos

Capítulo 8 Arquitetura de Computadores Paralelos Capítulo 8 Arquitetura de Computadores Paralelos Necessidade de máquinas com alta capacidade de computação Aumento do clock => alta dissipação de calor Velocidade limitada dos circuitos => velocidade da

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação

UNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação SOFT DISCIPLINA: Engenharia de software AULA NÚMERO: 08 DATA: / / PROFESSOR: Andrey APRESENTAÇÃO O objetivo desta aula é apresentar e discutir conceitos relacionados a modelos e especificações. Nesta aula

Leia mais

Sistemas Operacionais

Sistemas Operacionais Sistemas Operacionais Aula 5 Estrutura de Sistemas de Computação Prof.: Edilberto M. Silva http://www.edilms.eti.br Baseado no material disponibilizado por: SO - Prof. Edilberto Silva Prof. José Juan Espantoso

Leia mais

Ferramenta para conversão de interfaces gráficas desenvolvidas em Delphi para a biblioteca GTK+ Acadêmico: Josimar Zimermann

Ferramenta para conversão de interfaces gráficas desenvolvidas em Delphi para a biblioteca GTK+ Acadêmico: Josimar Zimermann Ferramenta para conversão de interfaces gráficas desenvolvidas em Delphi para a biblioteca GTK+ Acadêmico: Josimar Zimermann Orientadora: Joyce Martins Roteiro Introdução Objetivos Fundamentação teórica

Leia mais

Spider-PM: Uma Ferramenta de Apoio à Modelagem de Processos de Software

Spider-PM: Uma Ferramenta de Apoio à Modelagem de Processos de Software Spider-PM: Uma Ferramenta de Apoio à Modelagem de Processos de Software Renan Sales Barros 1, Sandro Ronaldo Bezerra Oliveira 1 1 Faculdade de Computação Instituto de Ciências Exatas e Naturais (ICEN)

Leia mais

Para construção dos modelos físicos, será estudado o modelo Relacional como originalmente proposto por Codd.

Para construção dos modelos físicos, será estudado o modelo Relacional como originalmente proposto por Codd. Apresentação Este curso tem como objetivo, oferecer uma noção geral sobre a construção de sistemas de banco de dados. Para isto, é necessário estudar modelos para a construção de projetos lógicos de bancos

Leia mais

Framework utilizando reflexão e aspectos para persistência de objetos em java

Framework utilizando reflexão e aspectos para persistência de objetos em java Framework utilizando reflexão e aspectos para persistência de objetos em java Antonio Carlos Rolloff (UNIPAR) acrolloff@gmail.com Arthur Cattaneo Zavadski (UNIPAR) arthur@datacoper.com.br Maria Aparecida

Leia mais

ENIAC. Introdução aos Computadores e à Programação (Noções Básicas)

ENIAC. Introdução aos Computadores e à Programação (Noções Básicas) ENIAC Introdução aos Computadores e à ção (Noções Básicas) Introdução aos Computadores e à ção (Noções Básicas) 1 Introdução aos Computadores e à ção (Noções Básicas) 2 O transistor foi inventado em 1947

Leia mais

CES-32 e CE-230 Qualidade, Confiabilidade e Segurança de Software. Tendências, Perspectivas e Ferramentas de Qualidade em Engenharia de Software (4)

CES-32 e CE-230 Qualidade, Confiabilidade e Segurança de Software. Tendências, Perspectivas e Ferramentas de Qualidade em Engenharia de Software (4) CURSO de GRADUAÇÃO e de PÓS-GRADUAÇÃO do ITA 2º SEMESTRE 2002 CES-32 e CE-230 Qualidade, Confiabilidade e Segurança de Software Eng. Osvandre Alves Martins e Prof. Dr. Adilson Marques da Cunha Tendências,

Leia mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX. No Renascimento de uma Nova Era... IX PREÂMBULO... XIII. Organização do livro... xiii. Destinatários...

NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX. No Renascimento de uma Nova Era... IX PREÂMBULO... XIII. Organização do livro... xiii. Destinatários... NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX No Renascimento de uma Nova Era... IX Índice PREÂMBULO... XIII Organização do livro... xiii Destinatários... xiv Utilização do livro... xiv Agradecimentos... xiv

Leia mais

FILTRAGEM DE INFORMAÇÃO NA WEB USANDO REDE NEURAL DE HOPFIELD E ONTOLOGIA

FILTRAGEM DE INFORMAÇÃO NA WEB USANDO REDE NEURAL DE HOPFIELD E ONTOLOGIA FILTRAGEM DE INFORMAÇÃO NA WEB USANDO REDE NEURAL DE HOPFIELD E ONTOLOGIA Daniel Mandelli Martins Faculdade de Engenharia de Computação CEATEC danielmartins@puc-campinas.edu.br Juan Manuel Adán Coello

Leia mais

PADI 2015/16. Aula 1 Introdução à Plataforma.NET

PADI 2015/16. Aula 1 Introdução à Plataforma.NET PADI 2015/16 Aula 1 Introdução à Plataforma.NET 1 Sumário 1. Framework.NET Arquitectura 2. Linguagem C# 2.0 Sintaxe C# vs. Java vs. C++ 3. IDE: MS Visual Studio 2005 ou superior Ferramentas Console/Win

Leia mais

Alarmes e Erros CNC Proteo

Alarmes e Erros CNC Proteo Alarmes e Erros CNC 1 Códigos de Erro 1.1 Erro ( 0 ) : NO ERROR Texto: "Código de erro inválido" "Invalid Error Code" 1.2 Erro ( 1 ) : ERROR_BP_WAS_UNABLE_TO_OPEN_INPUT_FILE Texto: "Não foi possível abrir

Leia mais

Gerenciamento de um Sistema de

Gerenciamento de um Sistema de SBD Gerenciamento de um Sistema de Banco de Dados Prof. Michel Nobre Muza ua michel.muza@ifsc.edu.br Prof. Marcos Antonio Viana Nascimento Por que é importante: Motivação Participar na organização e no

Leia mais

Classificação de SO (Sistemas Operacionais) Técnico de Informática 2º. Módulo Profa. Madalena Pereira da Silva madalena.silva@ifsc.edu.

Classificação de SO (Sistemas Operacionais) Técnico de Informática 2º. Módulo Profa. Madalena Pereira da Silva madalena.silva@ifsc.edu. Classificação de SO (Sistemas Operacionais) Técnico de Informática 2º. Módulo Profa. Madalena Pereira da Silva madalena.silva@ifsc.edu.br Agenda Classificação de SO quanto a: Interface Processamento Tarefas

Leia mais

PRÓ-REITORIA DE ENSINO DE GRADUAÇÃO (PROENG) ASSESSORIA DE DESENVOLVIMENTO ASSESSORIA JURÍDICA

PRÓ-REITORIA DE ENSINO DE GRADUAÇÃO (PROENG) ASSESSORIA DE DESENVOLVIMENTO ASSESSORIA JURÍDICA FORMULÁRIO DE ALTERAÇÃO DE EMENTAS CURSO: SISTEMAS DE INFORMAÇÃO MATRIZ(ES) CURRICULAR(ES): 2015 ALTERAÇÕES PASSAM A VIGORAR A PARTIR DO SEMESTRE: 1 Arquitetura de Computadores Arquitetura de Computadores

Leia mais

Sistemas Distribuídos

Sistemas Distribuídos Sistemas Distribuídos Universidade Federal do ABC Turma: Ciência da Computação Prof. Dr. Francisco Isidro Massetto Introdução Comunicação em Sistemas Distribuídos Introdução: Comunicação em Sistemas Distribuídos

Leia mais

Qualidade de Software

Qualidade de Software Qualidade de Software O software é algo abstrato, pois são as instruções que quando executadas atingem o propósito desejado no sistema computacional. (Algoritmo). As principais características são: Complexidade:

Leia mais