Realce de Impressões Digitais por Algoritmos Genéticos
|
|
- Dalila do Amaral Santana
- 7 Há anos
- Visualizações:
Transcrição
1 Technical Notes in Computational Intelligence, ICA, PUC-Rio 1 Realce de Impressões Digitais por Algoritmos Genéticos Marco Aurélio C. Pacheco 1, Raul Queiroz Feitosa 1, Dan Posternak 1 1 ICA: Computational Intelligence Laboratory, Department of Electrical Engineering, PUC-Rio R. Marques de S. Vicente 225, Gávea, Rio de Janeiro, CEP , RJ, Brazil {marco, raul}@ele.puc-rio.br dposternak@alternex.com.br Resumo. Este projeto diz respeito à realce uma escala de cinza representado por uma imagem da impressão digital de imagens pretobranco através de um algoritmo genético. A idéia é mostrar uma vez mais a aplicação do algoritmo genético para ajudar um reconhecimento de padrões futuros de uma impressão digital. Palavras-chave: Algoritmo Genético, impressão digital, Realce. Abstract. This project concerns the enhancement of a grey-scale represented fingerprint image by a black-white image through a Genetic Algorithm. The idea is to show once more Genetic Algorithm application to help pattern recognition of a fingerprint in the future. Keywords: Genetic Algorithm, Fingerprint, Realce. 1 Introdução Com o crescimento avassalador dos meios de comunicações na última década, é fato motivante que tenhamos dois tipos de preocupação: O que nos interessa e o que queremos que os outros saibam. Como hoje em dia há cada vez mais uma confiança crescente na transferência de dados por meios digitais, há também uma preocupação em saber se há algum tipo de segurança no tráfego destes. Para controle de segurança, utilizam-se técnicas biométricas, dentre as quais, está o reconhecimento de impressões digitais.
2 Technical Notes in Computational Intelligence, ICA, PUC-Rio 2 O objetivo deste trabalho é realçar uma imagem de impressão digital em tons de cinza, transformando-a em uma imagem em preto e branco. Este realce tem como objetivo minimizar imperfeições no reconhecimento da imagem devido provavelmente a um "scaneamento" mau feito que torne os tons de cinza muito escuro e consequentemente torne difícil separar os cumes dos vales de uma impressão digital. Para se ter uma idéia do problema, observe a figura abaixo: Fig. 1. Impressão Digital scaneada. Há cumes e vales que se confundem devido a escuridão da imagem. 1.1 Realce A função do Realce é chamar a atenção para detalhes que desejamos conhecer melhor visualmente. O Realce é a segunda fase em processamento de imagens que vai desde a Aquisição da Imagem passando pelo Realce, Segmentação, Pós-Processamento, Extração de Atributos e Reconhecimento. Tendo isto em vista, pode-se dizer que dependendo do que queremos realçar, poderemos melhorar o reconhecimento de uma imagem. Neste trabalho, foi realizado Realce de uma impressão digital em segmentos de 64x64 por Algoritmos Genéticos. 1.2 Algoritmos Genéticos Algoritmos Genéticos têm sido utilizados para resolução de problemas desde o começo dos anos de 197. Um grande passo para a adoção desta poderosa ferramenta foi dado a partir da introdução dos Fundamentos Matemáticos por John Holland. Os Algoritmos Genéticos se baseiam nos mecanismos da genética para chegar a uma solução ótima, sendo estes o crossover e a mutação entre outros. Considerando
3 Technical Notes in Computational Intelligence, ICA, PUC-Rio 3 que na genética tratamos a evolução de seres ou indivíduos como uma seleção natural do ambiente, cria-se uma função de avaliação que terá o intuito de melhorar cada vez mais o desempenho da população corrente. Assim sendo, tendo uma população inicial, colocaria esta a prova de uma função de avaliação. Os n melhores sobrevivem e vão cruzar com os descendentes desta geração na geração seguinte ou sofrer mutação (os sobreviventes e os descendentes). Isto levará a uma melhoria contínua até que se tenha uma população aonde os indivíduos se aproximam de uma solução que pode ser lucrativa para o problema da qual extraímos o melhor, que é o melhor indivíduo que já existiu. Para que AGs convirjam, é necessário fazer ajustes em parâmetros que regulam a diversidade desta população, pois aonde há diversidade, há intercâmbio facilitando o surgimento de outras soluções (indivíduos) que podem ser melhores do que as já existentes Cromossoma O cromossoma é o indivíduo da população e uma das soluções propostas pelo AG para o problema. Este será avaliado e preservado se atingir uma posição bem colocada entre os demais cromossomas. Por ser a solução, tem que ter boa representatividade do problema como solução proposta, e como catalizador do algoritmo genético na busca por melhores soluções. Neste trabalho, o cromossoma foi implementado binariamente de forma que cada ou 1 sejam os genes Crossover O Crossover é um operador de diversidade. O Crossover utilizado neste trabalho será o crossover de 1 ponto: (1)Sorteio de taxa de crossover Capture 2 cromossomas Sorteie ponto de corte Troque pedaços de mesmo tamanho entre os comossomas Vá para o próximo par Vá para (1). O ponto de corte é onde se dará a quebra do cromossoma. Esta quebra se dará de par em par como exemplificado acima Mutação A mutação tem um poder mais destrutivo que o crossover de bons padrões de soluções viáveis, por isso, deve-se utilizar em doses pequenas. A mutação também possui uma taxa de ocorrência, que poderá ser disparada a cada gene rastreado pelo
4 Technical Notes in Computational Intelligence, ICA, PUC-Rio 4 AG. No caso do cromossoma ser binário, pode se sortear a cada gene (bit) se haverá a mutação, e se positivo, troca-se o valor binário corrente. 2 Descrição do Problema O problema consiste em melhorar a visualização dos cumes e vales de uma impressão digital. Para isto o AG deve, para cada linha "scaneada" achar os melhores pontos de segmentação da imagem para separação de trechos pretos de brancos (após um trecho preto vem um branco, ou vice-versa). Para avaliar a solução, será utilizada a correlação entre linha estimada e a linha corrente da imagem (a linha estimada será um cromossoma). r = I 1 i= I 1 i= [ y( i) y ] yˆ ( i) [ yˆ ] 2 I 1 [ y( i) y ] yˆ ( i) 2 [ yˆ ] i= (1) Onde: y = 1 1 I I i= y ( i) (2) e y ˆ 1 = I I 1 i= yˆ ( i) (3) Aonde y é a curva que define a variação em tons de cinza e ŷ a curva discreta que representa os segmentos como branco ou preto (1 ou ) como na figura:
5 Technical Notes in Computational Intelligence, ICA, PUC-Rio 5 Fig. 2. Variação dos tons de cinza (y) e curva de preto e branco (ŷ) em uma linha scaneada de uma impressão digital. 3 Experimentos Nesta seção será descrito os 2 tipos de experimentos realizados e na próxima seção será feita uma comparação entre estes. 3.1 Experimento Codificação Segundo o professor Abutaleb em [1] cada largura scaneada que faça parte de um cume ou um vale que tenha inclinação de ± 45º, terá no mínimo 2 pixels de largura e no máximo 6. Para cada imagem digital, foram utilizados segmentos de 64x64 pixels, sendo assim, há um algoritmo genético para cada linha que determinará os pontos de corte da linha que separam trechos pretos de brancos. Sendo 2 pixels no mínimo e 6 no máximo para largura de cada trecho, foi tentado a modelagem de um cromossoma de 187 bits. Se cada corte na linha scaneada, pode ter uma posicao que varia de 1 a 63 (tamanho da linha - 1), então, para cada posição, serão dimensionados 6 bits (CEIL(log 2 (tamanho linha)), aonde CEIL é arredondamento para cima) e como serão possíveis no máximo 31 cortes (se tiver 2 pixels de largura), teremos 31x6 = 186. Como após cada trecho preto vem um branco ou vice-versa, precisa-se ter apenas uma cor inicial da linha no cromossoma, ou seja, o cromossoma terá 187 bits Decodificação Para Decodificar o cromossoma, serão consideradas as posições de cortes que variam de 1 a 63. A ocorrência de posições de cortes repetidas devem ser distintas Resultados Foi obtida correlação relativamente baixa de.59273:
6 Technical Notes in Computational Intelligence, ICA, PUC-Rio 6 Fig. 3. Imagem gerada pelo AG e imagem original respectivamente com correlação de Para este resultado ocorrer foi necessário rodar o AG com 5 indivíduos por geração durante 1 gerações. Isto se explica pelo fato de o cromossoma de 187 bits não cobrir todo o espaço de busca possível. Se tivermos 6 bits para cada corte, um tamanho que gere uma linha com probabilidade alta de não conter segmentos com repetição, e se encaixe o melhor possível na linha da imagem original, seria 31!*2 6 o que torna uma implementação pouco viável. Por isso, deve-se aumentar as chances de diversos pontos de corte ocorrerem aumentando-se a população. 3.2 Experimento 2 O Experimento 2 já parte do princípio da diminuição do segmento realçado, haja visto que 64x64 é oneroso computacionalmente, além de exigir um espaço de busca que para dar resultados ótimos, deveria ter um cromossomo com muito mais casas do que foi planejado. Neste Experimento, o tamanho da linha foi reduzido de 64 pixels para 16 pixels. Com isso, como foi visto em 3.1.3, as chances de haver cortes coincidentes com a imagem original é maior devido à diminuição do espaço de busca. Neste Experimento 2, o tamanho da população é de 1 por geração com 1 gerações Codificação Para o cromossoma que busca em 16 trechos foi dimensionado como CEIL(log 2 (tamanho linha))x(tamanho_linha - 1). Desta vez foi desconsiderado o fato de poder ser 2 pixels o mínimo de largura, com a intenção de aumentar a probabilidade de diversificação de cortes Decodificação A decodificação é feita da mesma maneira do Experimanto 1.
7 Technical Notes in Computational Intelligence, ICA, PUC-Rio Resultados Todos os 4 segmentos de 16x64 testados tiveram correlação maior que.7, sendo a correlação final do segmento 64x64 de.7211 conforme figura abaixo: Fig. 4. Resultado visual do experimento2. Tempo de processamento muito menor para os 4 segmentos de 64x16 do que o experimento 1 com 5 inidvíduos processados para cada AG. 4 Conclusão e Experimentos Futuros O Experimento 2 mostrou-se melhor que o Experimento 1 devido a diminuição do espaço de busca do problema tornando o cromossoma mais representativo. Ainda poderia se diminuir mais ainda o espaço de busca, mas corre-se o risco de encontrarse segmentos de pixels com tons de cinza repetidos por todo o tamanho do da linha, e incorrermos no erro de divisão por zero o que daria indefinição ou infinito levando o AG a se perder na melhor solução. Ainda dentro da comparação com outros métodos, a busca aleatória não conseguiu "vencer" os AGs do Experimento 1 especialmente no AG que teve pior correlação. Olhando para o Experimento 1 aonde tivemos o pior AG na linha 1 com correlação de.431, tivemos na busca aleatória para esta linha, a melhor correlação atingida de Para a melhor linha que foi a 58, tivemos correlação.7361 para o AG e para a busca aleatória.5595, ou seja, a busca aleatória conseguiu ser pior do que um AG do pior experimento (Experimento 1) para 5 rodadas. Dimniuindo-se o espaço de busca, aumenta-se as chances de se obter soluções melhores, diminuindo-se o tempo de processamento e o "swap" de disco. Para um possível experimento futuro, pretende-se investigar mais a ligação de processamento de imagens com Algoritmos Genéticos em controle de qualidade visual para industrias.
8 Technical Notes in Computational Intelligence, ICA, PUC-Rio 8 Referências [1] Abutaleb S., Ahmed and Kamel M., A Genetic Algorithm for the Estimation of Ridges in Fingerprint. [2] Pacheco, Marco Aurélio C., Notas de Aula de 22 em [3] Feitosa, Raul Queiroz, Notas de Aula de 22 e Transparências em [4] Gonzales, Rafael C., Digital image processing - Addison-Wesley Publishing Company, Inc., 1992
3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Introdução Um Algoritmo Genético (AG), conceitualmente, segue passos inspirados no processo biológico de evolução natural segundo a teoria de Darwin Algoritmos Genéticos seguem a idéia
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora
Leia maisUtilizando Algoritmos Genéticos para determinar a fonte de um campo magnético.
Technical Notes in Computational Intelligence, ICA, PUC-Rio 1 Utilizando Algoritmos Genéticos para determinar a fonte de um campo magnético. Alexandre S. Wolf 1, Marco Aurélio C. Pacheco 1, C. Hall Barbosa
Leia maisAlgoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio
Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio ICA, DEE, PUC-RIO CEP: 22453-900 ramb@ele.puc-rio.br ica@ele.puc-rio.br
Leia maisPlanejamento Hidrotérmico Utilizando Algoritmos Genéticos
1 Planejamento Hidrotérmico Utilizando Algoritmos Genéticos Thayse Cristina Trajano da Silva Pontifícia Universidade Católica Puc-Rio Engenharia Elétrica Rio de Janeiro RJ Brasil Resumo O planejamento
Leia maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) Informação - ICPG - Criciuma - SC 1 Características Gerais, operadores, algoritmo.
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia maisESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP
ESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP Gilson Rogério Batista, Gideon Villar Leandro Universidade Regional do Noroeste do Estado do Rio
Leia maisCodificação das variáveis: binária Iniciação da população: aleatória Avaliação: função aptidão Operadores. Critério de parada: número de gerações
AG Simples/Canônico (AGS) AG introduzido por Holland Funciona bem para problemas de otimização simples e/ou de pequenas dimensões A maior parte da teoria dos AGs está baseada no AGS Utilidade didática
Leia maisInteligência Computacional Aplicada. O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos
Inteligência Computacional Aplicada Resumo O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos O que é Inteligência Computacional? Técnicas e sistemas computacionais que imitam
Leia maisIntrodução a Algoritmos Genéticos
Introdução a Algoritmos Genéticos Tiago da Conceição Mota Laboratório de Inteligência Computacional Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Outubro de 2007 O Que São? Busca
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisAlgoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:
Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS. Metaheurísticas de Buscas
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS Metaheurísticas de Buscas ALGORITMOS GENÉTICOS (AG) Popularizados por John Holland podem ser considerados os primeiros modelos algorítmicos
Leia maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 01 Computação Evolucionária Max Pereira Motivação Se há uma multiplicidade impressionante de algoritmos para solução de problemas,
Leia maisClusterização de Clientes Johnson utilizando Algoritmos Genéticos
Technical Notes in Computational Intelligence, ICA, PUC-Rio 1 Clusterização de Clientes Johnson utilizando Algoritmos Genéticos Marco Aurélio C. Pacheco 1, André Capella 1,2, Ronaldo R. Goldschmidt 1,3
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e
Leia maisAlgoritmos Evolutivos para Otimização
Algoritmos Evolutivos para Otimização A área de aplicação que tem recebido mais atenção é a otimização. Uma das razões é que existem uma variedade de problemas de otimização e a maioria deles sem solução
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisTópicos Especiais em Informática Fatec Indaiatuba
Prof. Dilermando Piva Jr. ((Compilação de diversas fontes na Internet)) Principal motivação para o estudo da computação evolutiva Otimização de processos complexo e que possuem um grande número de variáveis
Leia maisComputação Evolucionária Aplicada ao Problema de Seleção de Características em Text Mining
Computação Evolucionária Aplicada ao Problema de Seleção de Características em Text Mining João R. Carrilho Jr., Marco Aurélio C. Pacheco ICA: Applied Computational Intelligence Laboratory Department of
Leia maisEscalonador de Ordens de Produção Utilizando Algoritmos Genéticos
Escalonador de Ordens de Produção Utilizando Algoritmos Genéticos Nome: Wilian Kohler Supervisor na FURB: Prof. Jomi Fred Hübner Orientador na Empresa: Evaldo Moresco Jr. Empresa: Metalúrgica Siemsen Ltda.
Leia maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia mais3 Otimização Evolucionária de Problemas com Restrição
3 Otimização Evolucionária de Problemas com Restrição 3.1. Introdução Este capítulo resume os principais conceitos sobre os algoritmos evolucionários empregados nesta dissertação. Primeiramente, se fornece
Leia maisIntrodução a Análise de Imagens Digitais
Introdução a Análise de Imagens Digitais Uma imagem digital é uma representação de uma cena por meio de um conjunto de elementos discretos e de tamanhos finitos, chamados de pixels, colocados em um arranjo
Leia mais3 Algoritmos Genéticos
Algoritmos Genéticos Algoritmos Genéticos (AGs) constituem um mecanismo de busca adaptativa que se baseia no princípio Darwiniano de seleção natural e reprodução genética [101]. AGs são tipicamente empregados
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Leia maisInteligência Artificial
Inteligência Artificial Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Algoritmos Genéticos Conteúdo Introdução O Algoritmo Genético Binário Noções de Otimização O Algoritmo Genético com Parâmetros
Leia maisAprendizado Evolutivo: Introdução aos Algoritmos Genéticos
Aprendizado Evolutivo: Introdução aos Algoritmos Genéticos SCC-230 Inteligência Artificial Thiago A. S. Pardo Solange O. Rezende 1 Computação Evolutiva (CE) Trata de sistemas para a resolução de problemas
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Edirlei Soares de Lima Algoritmos Genéticos Método de busca local. Boa abordagem para lidar com espaços de busca muito
Leia maisUm Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Leia mais5 Projeto de Novos Polímeros Condutores
5 Projeto de Novos Polímeros Condutores Polímeros condutores constituem uma nova classe de materiais eletrônicos com propriedades incomuns, baseadas em novos fenômenos físicos, tendo aplicações com largo
Leia maisALGORITMOS GENÉTICOS. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
ALGORITMOS GENÉTICOS Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Introdução Algoritmos Genéticos são algoritmos heurísticos de busca, que utilizam regras
Leia maisEstrutura comum dos AEs
Estrutura comum dos AEs Os algoritmos estudados seguem o seguinte padrão para modelagem dos sistemas evolutivos: Uma população de tamanho constante m evolui sobre o tempo A população atual é utilizada
Leia maisAncoragem de Embarcações utilizando Algoritmos Genéticos
Ancoragem de Embarcações utilizando Algoritmos Genéticos Sérgio Alvares R. de S. Maffra 1 sam@tecgraf.puc-rio.br Marco Aurélio C. Pacheco 2 marco@ele.puc-rio.br 1 Tecgraf, Departamento de Informática,
Leia maisAlgoritmos Evolutivos Canônicos
Algoritmos Evolutivos Canônicos Como representar os indivíduos Vetor de comprimento fixo com L características escolhidas previamente. Ex.: Definição
Leia maisMax Pereira. Inteligência Artificial
Max Pereira Inteligência Artificial Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora da teoria da evolução das espécies iniciada pelo Naturalista inglês Charles
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisUtilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real
Utilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real Amarildo de Vicente 1, Rogério Luis Rizzi 1 1 Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade
Leia mais6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
Leia maisUso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística
Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução
Leia maisImplementação de códigos no Matlab para detecção de falhas em cordão de soldas. Adailton Turczen de Melo Andrine M. Varela da Cruz Wallace Griz Ayres
Implementação de códigos no Matlab para detecção de falhas em cordão de soldas Adailton Turczen de Melo Andrine M. Varela da Cruz Wallace Griz Ayres Departamento Acadêmico de Eletrônica (DAELN) - Universidade
Leia maisGT-JeDi - Curso de Desenv. de Jogos IA para Jogos. Gustavo Pessin 2007
GT-JeDi - Curso de Desenv. de Jogos IA para Jogos Gustavo Pessin 2007 Cronograma Base conceitual Exemplo: Achando o máximo de uma função... Como criar uma pequena aplicação: Exercício-Exemplo [Animal selvagem...]
Leia mais5 Testes em Imagens. Figura 5.1: Esquema de proteção com detecção de erros LT Hamming. Imagem. Cod-Hamming SPIHT. Cod-LT. Canal.
5 Testes em Imagens Uma vez feito o estudo do desempenho do código LT quando é usado em um canal ruidoso, nosso objetivo agora, centra-se na análise de seu possível uso em um esquema para a transmissão
Leia maisSeleção do Portifólio de Projetos para Investimento por Computação Evolucionária
ICA Inteligência Computacional Aplicada, PUC-Rio 1 Seleção do Portifólio de para Investimento por Computação Evolucionária Marco Aurélio C. Pacheco, Rafael Freitas de Amorim 1 ICA: Inteligência Computacional
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 03 Teoria dos Esquemas Max Pereira Um esquema consiste em um template descrevendo um subconjunto dentre o conjunto de todos
Leia mais3 Computação Evolucionária
34 3 Computação Evolucionária Computação Evolucionária compreende diversos algoritmos inspirados no princípio Darwiniano da evolução das espécies e na genética. São algoritmos probabilísticos, que fornecem
Leia maisEstratégias Evolutivas EEs. Prof. Juan Moisés Mauricio Villanueva
Estratégias Evolutivas EEs Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan Estratégias Evolutivas Desenvolvidas por Rechenberg e Schwefel, e estendida por Herdy, Kursawe
Leia maisO USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR RESUMO INTRODUÇÃO
O USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR Douglas Peioto de Carvalho,Miquéias Augusto Ferreira Nantes (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisUtilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos André Luiz Ferreira Pinto Pontifícia Universidade Católica do Rio de
Leia maisSintonia de um sistema PID via Algoritmos Genéticos aplicado ao controle de um manipulador robótico em forma de paralelogramo
Sintonia de um sistema PID via Algoritmos Genéticos aplicado ao controle de um manipulador robótico em forma de paralelogramo Filipe Sacchi ICA: Applied Computational Intelligence Department of Electrical
Leia maisConstrução de uma Ferramenta para Evoluir Estratégias e Estudar a Agressividade/Cooperação de uma População submetida ao Dilema dos Prisioneiros
Construção de uma Ferramenta para Evoluir Estratégias e Estudar a Agressividade/Cooperação de uma População submetida ao Dilema dos Prisioneiros generalizá-lo para várias outras situações, como em problemas
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Leia maisBreve Avaliação de Parâmetros básicos de Algoritmos Genéticos
https://eventos.utfpr.edu.br//sicite/sicite17/index Breve Avaliação de Parâmetros básicos de Algoritmos Genéticos RESUMO Stéfanie Caroline Pereira Dekker stefanie.c.dekker@gmail.com Universidade Tecnológica
Leia maisRealce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti Jr.
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Transformações de Intensidade Transformações Logarítmicas Comparação entre Diversas Técnicas 2 Transformações de Intensidade
Leia maisAlgoritmos Genéticos. 1 Semestre de Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática
Algoritmos Genéticos 1 Semestre de 2015 Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 2 Introdução Darwin Naturalistas: cada espécie havia sido criada separadamente
Leia maisRECONHECIMENTO AUTOMÁTICO DE PADRÕES MUSICAIS UTILIZANDO OPERADORES MORFOLÓGICOS E PROGRAMAÇÃO GENÉTICA.
RECONHECIMENTO AUTOMÁTICO DE PADRÕES MUSICAIS UTILIZANDO OPERADORES MORFOLÓGICOS E PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda e-mail: valentin@sel.eesc.sc.usp.br
Leia maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 04 Representações e Programação Genética Max Pereira Representações A representação cromossômica é completamente arbitrária.
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Transformações Geométricas
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Transformações Geométricas .(x,y, P).(x,y, P) Imagem fonte Imagem transformada Deve-se notar que, como uma imagem digital é representada por uma matriz
Leia mais11/1/2012. Agenda. Classe de problemas de interesse. Busca Local. Busca Local. Exemplo de Espaço de Estados
Agenda PCS / PCS 09 Inteligência Artificial Prof. Dr. Jaime Simão Sichman Profa. Dra. Anna Helena Reali Costa Busca Local e Problemas de Otimização. Introdução. Busca Local I. Subida da Encosta (Hill-Climbing)
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia mais> Princípios de Contagem e Enumeração Computacional 1/10
Princípios de Contagem e Enumeração Computacional > Princípios de Contagem e Enumeração Computacional 1/10 De quantas maneiras podemos selecionar um subconjunto de r objetos de um conjunto de n objetos?
Leia mais4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos
Genéticos 39 4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos Neste capítulo são abordadas as especificações de cada módulo e o Algoritmo Genético que compõem o modelo
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Material
Leia maisESTUDO DO EFEITO DOS PARÂMETROS GENÉTICOS DE UM ALGORITMO GENÉTICO NA SOLUÇÃO OTIMIZADA E NO TEMPO DE CONVERGÊNCIA EM UMA FUNÇÃO DE DUAS VARIÁVEIS
ESTUDO DO EFEITO DOS PARÂMETROS GENÉTICOS DE UM ALGORITMO GENÉTICO NA SOLUÇÃO OTIMIZADA E NO TEMPO DE CONVERGÊNCIA EM UMA FUNÇÃO DE DUAS VARIÁVEIS Marcelo Henrique dos Santos Universidade de Uberaba, Engenharia
Leia maisProblema do vendedor: uma abordagem via algoritmos genéticos
Problema do vendedor: uma abordagem via algoritmos genéticos Dandara de Almeida Machado 1, Juliana Verga Shirabayashi 1 1 Universidade Federal do Paraná (UFPR) Campus Jandaia do Sul dandaraalmeidaa@gmail.com;
Leia maisMétodos de Busca. Inteligência Artificial. Algoritmos Genéticos. Algoritmos Evolucionários. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maisAula 3- Codificação de Canal. October 18, 2017
ELE-32 Introdução a Comunicações Aula 3- Codificação de Canal October 18, 2017 1 Introdução Em muitas situações, a mensagem a ser transmitida por um sistema de comunicações é uma sequência de bits. Entretanto,
Leia maisEET-61 Introdução a Teoria da Informação
EET-61 Introdução a Teoria da Informação Aula 3- Codificação de Canal October 24, 2018 1 Introdução Em muitas situações, a mensagem a ser transmitida por um sistema de comunicações é uma sequência de bits.
Leia maisProf. Marco Aurélio C. Pacheco. 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Desenvolvimento de um Algoritmo Genético Prof. Marco Aurélio C. Pacheco 1 Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisAlgoritmos genéticos Abordagem unificada de algoritmos evolutivos simples
Introdução Inspiração biológica Histórico da computação evolutiva Algoritmo evolutivo simples Programação evolutiva Estratégias evolutivas Algoritmos genéticos Abordagem unificada de algoritmos evolutivos
Leia maisOtimização da Flexão em Estruturas de Aço com Ligações Semi-Rígidas através de Algoritmos Genéticos
1 Otimização da Flexão em Estruturas de Aço com Ligações Semi-Rígidas através de Algoritmos Genéticos 1 Departamento de Engenharia Civil, PUC-Rio R. arques de S. Vicente 225, Gávea, Rio de Janeiro, CEP
Leia maisAplicação de algoritmos genéticos. Problema da Mochila (knapsack problem)
Aplicação de algoritmos genéticos Problema da Mochila (knapsack problem) Algoritmos genéticos Passos inspirados no processo biológico de evolução Ideia de sobrevivência dos mais adaptados Soluções cada
Leia maisPLANEJAMENTO E OTIMIZAÇÃO DO DESENVOLVIMENTO DE UM CAMPO DE PETRÓLEO POR ALGORITMOS GENÉTICOS
PLANEJAMENTO E OTIMIZAÇÃO DO DESENVOLVIMENTO DE UM CAMPO DE PETRÓLEO POR ALGORITMOS GENÉTICOS Yván J. Túpac ICA, Depto de Engenharia Elétrica, PUC-Rio yvantv@ele.puc-rio.br Marley Maria R. Vellasco ICA,
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia mais4 APLICAÇÃO DO MODELO E RESULTADOS
4 APLICAÇÃO DO MODELO E RESULTADOS Neste capítulo, será aplicado o modelo proposto (Holt-Winters com múltiplos ciclos mais a correção devido à ocorrência de feriado e temperatura) e apresentados os resultados
Leia maisCTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...
Leia maisAlgoritmos Genéticos para Gerência de Projetos
Algoritmos Genéticos para Gerência de Projetos Marco Aurélio C. Pacheco 1, Thiago Souza M. Guimarães 1 1 ICA: Inteligência Computacional Aplicada, Departamento de Engenharia Elétrica, PUC-Rio R. Marques
Leia maisSistemas Inteligentes if684. Germano Vasconcelos Página da Disciplina:
Sistemas Inteligentes if684 Germano Vasconcelos gcv@cin.ufpe.br Página da Disciplina: www.cin.ufpe.br/~îf684/ec 1 1 Algoritmos Genéticos 2 Algoritmos Genéticos n Técnicas de busca e otimização n Metáfora
Leia maisGAs são indicados em problemas complexos de otimização- onde se busca uma solução melhor:
Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros 1. PROBLEMA GAs são indicados em problemas complexos de otimização-
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia mais