Reconhecimento de Padrões em imagens ruidosas utilizando Redes Neurais Artificiais
|
|
- Maria de Begonha Martini Mirandela
- 6 Há anos
- Visualizações:
Transcrição
1 Reconhecimento de Padrões em imagens ruidosas utilizando Redes Neurais Artificiais Leandro Sebastian Pereira da Silva, Ana Carolina N. Gracioso, Ana Claudia Paris, Adilson Gonzaga. USP/EESC Universidade de São Paulo / Departamento de Engenharia Elétrica Av. do Trabalhador São-Carlense, 400, CEP , São Carlos, São Paulo, Brasil [sebastian, carolina, adilson]@sel.eesc.usp.br, acp@netsite.com.br 1. Abstract This Project presents a boarding for recognition and recovery of images with noise incidence. Using Artificial Neural Nets (ANN) of the type Recurrent of Hopfield, for the method of Associative Memories, aiming at to the recovery of the noisy image based on information of the stored original image in the system s memory. 2. Resumo Este Projeto apresenta uma abordagem para reconhecimento e recuperação de imagens estáticas, com incidência de ruído. Utilizando Redes Neurais Artificiais (RNA) do tipo Recorrentes de Hopfield, pelo método de Memórias Associativas, visando à recuperação da imagem ruidosa com base na informação da imagem original armazenada na memória do sistema. 3. Introdução As RNA são modelos computacionais inspirados no cérebro humano com capacidade de aquisição e manutenção do conhecimento. O cérebro humano tem capacidade de reconhecimento de características com eficácia infinitamente superior às maquinas. Com o uso de RNA pretendese reduzir esta diferença. Por este fator, a utilização de RNA vem crescendo e ganhando novas aplicações no campo de processamento de imagens. O método de processamento por arquiteturas Neurais tem comprovada eficiência em reconhecimento de padrões, onde se destacam arquiteturas backpropagation das redes Perceptrons e Perceptrons Multicamadas [1]. A arquitetura de Hopfield, através do método de Memórias Associativas, se destaca especialmente na recuperação de padrões defeituosos ou com ruídos, entre outros [2]. 4. Definição do Problema Em meio à existência de inúmeras aplicações utilizando de processamento de imagens, a incidência de fluxo e transferência deste tipo de informação é grande. Grande também é o volume destas informações. Com o aumento considerável de bases de dados de imagem e a constante necessidade de transferência de sinais contendo imagens, tornou-se necessário manter algum tipo de mecanismo capaz de compactar e descompactar dados para a transmissão. Neste problema, um sistema de transmissão, envia imagens através de um link de comunicação que são codificadas pelo sistema de transmissão. Ao chegar ao sistema de recepção, as imagens são novamente decodificadas visando uma recuperação fiel da imagem previamente enviada. Durante a transmissão, ao longo do link de
2 comunicação, as informações são corrompidas por ruídos que deixam as imagens incompletas ou distorcidas após a sua decodificação pelo sistema de recepção. O foco da questão está voltado para esta recuperação fiel das imagens distorcidas ou ruidosas. Pretende-se ainda avaliar a eficácia no reconhecimento de padrões em imagens, com incidência de ruídos. Pretende-se ainda definir os níveis suportáveis e sua eficácia, em um sistema com o menor número possível de neurônios. Portanto, a necessidade de Hardware será menor, o custo computacional será menor, então, a aplicação torna-se viável também para programações em nível de hardware e tempo real. 5. Solução do Problema Para solução deste problema é proposta a operação uma rede mínima, com arquitetura de Hopfield, composta por quarenta e cinco neurônios, aplicada ao final do sistema de transmissão de imagens representadas em quarenta e cinco bits. Na arquitetura de Hopfield todos os neurônios estão dispostos em uma única camada, estão completamente interconectados a todos e a si próprios, utilizando suas saídas como entradas futuras [2]. Neste caso, a aplicação tem a função de recuperar as partes danificadas da imagem recebida, apresentando como resultante uma imagem corrigida. A recuperação dos pixels é feita com base na imagem inicial, que deve estar associada previamente ao sistema. A arquitetura de Hopfield é muito usada em Memórias Associativas que são endereçáveis pelo conteúdo [2]. Com base nesta propriedade da arquitetura, serão apresentados previamente quatro padrões de imagens. A partir destes quatro padrões, serão apresentadas imagens ruidosas respectivas aos quatro padrões previamente apresentados para que o sistema possa recuperá-las em um mesmo processo. Em um segundo experimento, o mesmo processo será aplicado a recuperação individualizada, onde serão apresentadas várias imagens ruidosas para um mesmo padrão previamente apresentado, onde a avaliação será realizada utilizando-se dos mesmos padrões utilizados no primeiro experimento, porém, tratados individualmente a cada processamento. 6. Resultados Computacionais A rede de Hopfield foi utilizada para recuperação de doze imagens ruidosas em quatro classes, conforme exibido na figura 1. Na primeira experiência foram utilizadas quatro classes perfeitas e sem ruídos e mais doze imagens ruidosas distribuídas aleatoriamente nestes quatro padrões. Na primeira coluna da figura 1, apresentam-se os quatro padrões desejados pelo sistema, e em cada linha, as respectivas imagens com ruídos aleatórios, referente aos quatro padrões apresentados. Na segunda coluna são apresentadas imagens com até 20% de ruído, na quarta coluna são apresentadas imagens com mais de 20% de ruído, atingindo até 36%. Nº 1 original Nº 1 com ruido Nº 1 com ruido Nº 1 com ruido Nº 2 original Nº 2 com ruido Nº 2 com ruido Nº 2 com ruido Nº 3 original Nº 3 com ruido Nº 3 com ruido Nº 3 com ruido Nº 4 original Nº 4 com ruido Nº 4 com ruido Nº 4 com ruido Figura 1: Imagens utilizadas no processo A seguir, alguns resultados obtidos para cada padrão e suas respectivas
3 imagens ruidosas, apresentadas na figura 1. N1 limpo N1 com ruido Resultado Obtido Figura 5: Sucesso obtido a partir de uma imagem com 13,3% de ruído. Figura 2: Resultado obtido para figura 1 do processo de imagem com 20% de ruído, recuperada completamente. Figura 6: Falha parcial a partir de uma imagem com 24,4% de ruído. Falha de 4,4%. Figura 3:Resultado obtido para figura 1 do processo de imagem com 22,2% de ruído, recuperada completamente. Figura 7: Sucesso obtido a partir de uma imagem com 20% de ruído. Figura 4: Falha obtida a partir de uma imagem com 33,3% de ruído. Na figura 4 ocorreu uma falha crítica, onde a grande incidência de ruído impediu o reconhecimento e a classificação em algum dos padrões apresentados. Figura 8: Falha parcial a partir de uma imagem com 20% de ruído. Falha de 4,4%.
4 Figura 9: Falha de classificação a partir de uma imagem com 35,5% de ruído. Nesta primeira experiência, tendo com base estes quatro padrões, foram recuperadas 50% das imagens ruidosas com 100% de precisão. Ainda fora recuperadas 75% das imagens com uma margem de erro até 4,5%, uma margem considerada baixa estipulada para este experimento. Com 25% de imagens não recuperadas ou com margem de erro fora da faixa estipulada. Em segundo momento, o mesmo processo foi aplicado a cada uma das imagens separadamente. Neste caso o desempenho de recuperação se torna ótimo. Mesmo imagens com grande incidência de ruído são completamente recuperadas. Na figura 10 a mesma imagem ruidosa, com 33,3% de ruído, utilizada na figura 4, é recuperada com 100% de precisão. Figura 10: Resultado de recuperação em um único padrão. Imagem com 33,3% de ruído. Observe na figura 11 o resultado da mesma imagem utilizada na figura 9, com 35,5% de ruído, porém com classificação individual, ou seja, de um único padrão. A recuperação é completa. Figura 11: Resultado de recuperação em um único padrão. Imagem com 35,5% de ruído. Neste segundo momento, onde a experiência toma como base os mesmos padrões, mas após o reconhecimento, portanto, com tratamento individualizado, observa-se que o processo obtém 100% de recuperação sem ruído em 100% das imagens submetidas a este processo. 7. Análise dos Resultados Com base nas imagens obtidas a partir do processo de recuperação, tendo como entrada as imagens ruidosas, classificadas de acordo com os padrões apresentados, as RNA mostraram um bom desempenho para se trabalhar com ruídos nas imagens estudadas. A RNA em estudo utiliza-se de Memórias Associativas, onde os padrões foram apresentados previamente ao processo e os mesmos são armazenados e utilizados para corrigir uma apresentação ruidosa ou incompleta do padrão. Para esta arquitetura não há treinamento, a rede se auto-ajusta até encontrar seu ponto de equilíbrio. Observa-se, a partir das operações realizadas, apresentadas no item anterior, que o sistema tem um bom desempenho trabalhando com quatro padrões quando a incidência de ruídos não ultrapassa a 20%. Quando a incidência de ruidosos ultrapassa este
5 patamar os resultados começam a fugir do padrão esperado, salvo algumas exceções. Observa-se também, que em alguns resultados a falha não foi completa, onde a imagens foi recuperada, mas os ruídos não foram totalmente excluídos. É o caso das figuras 6 e 8. Esses resultados podem ou não ser aproveitados como se apresentam, dependendo da exigência de sua aplicação. Para alguns resultados de falhas, as imagens foram re-processadas frente ao padrão desejado e a sua recuperação foi completa. Por se tratar de um processo autoajustável, em alguns casos os ruídos transformam a imagem, fazendo com que a mesma esteja mais próxima de outro padrão apresentado, diferente do padrão desejado. Isso faz com que o sistema encontre o padrão indesejado antes do padrão desejado, como ocorre na figura 9, por exemplo. Quando as imagens ruidosas são submetidas ao processo individual, mesmo com grande incidência de ruído são identificadas e recuperadas sem nenhum ruído, como pode ser observado no exemplo da figura 11. Observe que na figura 11 a imagem ruidosa é a mesma da figura 9, com taxa de ruídos acima de 35%. No primeiro experimento, a imagem apresentada tinha ruídos capazes de confundi-la com outro padrão, deixando-a mais próxima do um padrão indesejado. Por conta desta confusão, o sistema resulta em um erro de reconhecimento. Quando o padrão é identificado previamente, o sistema pode então trabalhar com um único padrão, o que garantiu 100% de precisão nos processos. 8. Conclusões Este artigo demonstrou que as RNA são ferramentas muito poderosas no tratamento de dados e imagens, desde que sejam bem aplicadas. Se aplicada individualmente os resultados são ótimos, e mesmo se utilizados com os quatro padrões da primeira experiência os resultados são muito bons. Se aplicados da forma correta, pode-se identificar a qual padrão a imagem ruidosa pertence, e então recupera-la de seus ruídos trabalhando individualmente, e obter 100% de precisão. Verifica-se por este experimento a eficácia das RNA no reconhecimento de padrões em imagens. Os níveis de ruídos suportados pelo sistema atingiram 36% de ruído, com 100% de eficácia quando trabalhadas individualmente e 20% de ruído quando trabalhadas em conjunto de quatro padrões, com 75% de eficácia. Os quarenta e cinco neurônios que compõe a rede demonstraram um trabalho perto do ideal. O número de neurônios possibilitou um bom desempenho à rede, com tempo de processamento imperceptível, em um sistema que utilizou 256MB de memória RAM. Portanto, para operações similares a este experimento, a necessidade de Hardware será menor, o custo computacional será menor, então, a aplicação torna-se viável também para programações em nível de hardware e tempo real. Torna-se um desafio interessante aplicar no mesmo sistema um tratamento para imagens maiores, com níveis de ruídos diferenciados em trabalhos futuros. Pelo bom desempenho em um PC convencional, também desperta e motiva a aplicação do sistema em programação de hardware, pois o resultado mostrou que trata-se de uma programação eficaz, e que deve ser pesquisada para outros fins e aplicações.
6 9. Referências Bibliográficas 1. Bender Túlio Cléber; Osório, Fernando Santos - Reconhecimento e Recuperação de Imagens Utilizando Redes Neurais Artificiais - Programa Interdisciplinar de Pós-Graduação em Computação Aplicada Universidade do Vale do Rio dos Sinos (UNISINOS) 25/04/ Material Didático da Disciplina RNA Professor Ivan Nunes da Silva Universidade de São Paulo Departamento de Engenharia Elétrica Escola de Engenharia de São Carlos 3. Moreira, Kétia Soares; Pataro, Carmen Déa Moraes - Reconhecimento de faces empregando-se, PCA, ICA e RNA - um estudo comparativo. - Centro de Pesquisa e Desenvolvimento em Engenharia Elétrica Universidade Federal de Minas Gerais (UFMG) 25/04/ Redes Neurais 25/04/ Zuben, Fernando J. Von - Neurocomputação, Dinâmica Não- Linear e Redes Neurais de Hopfield IA353 DCA/FEEC/Unicamp 25/04/2006.
Introdução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisInteligência Computacional
Inteligência Computacional INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Na Aula Passada... O que é uma
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisClassificação de Padrões. Abordagem prática com Redes Neurais Artificiais
Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas
Leia maisIntrodução às Redes Neurais Artificiais
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Introdução às Redes Neurais Artificiais DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos
Leia maisTabela 4.1 Distribuição dos indicadores por tipo Tipo de Indicador No. de indicadores. Indicadores de Evento 93. Indicadores de Tendência 37
4 Estudo de Casos A metodologia proposta no capítulo 3 foi aplicada em casos reais coletados de equipamentos Caterpillar da Sotreq. As falhas aqui estudadas são referentes a dois componentes do caminhão:
Leia maisAula 1 Introdução - RNA
Aula 1 Introdução - RNA Sumário 1- Conceitos Iniciais; 2- Neurônio Biológico; 3- Neurônio Artificial; 4- Funções de Ativação; 5- Comparação Neurônio Biológico e Artificial. 1- Conceitos Iniciais - Computadores
Leia maisTransformação de Imagens Digitais em Código CNC Aprimoradas com Redes Neurais Artificiais
Transformação de Imagens Digitais em Código CNC Aprimoradas com Redes Neurais Artificiais Abstract. Jader Teixeira 1, Alex Vinícios Telocken 1 1 Universidade de Cruz Alta (UNICRUZ) jader033139@unicruz.edu.br,
Leia maisIntrodução à Ciência da Computação
1 Universidade Federal Fluminense Campus de Rio das Ostras Curso de Ciência da Computação Introdução à Ciência da Computação Professor: Leandro Soares de Sousa e-mail: lsousa@id.uff.br site: http://www.ic.uff.br/~lsousa
Leia maisProtótipo de um robô rastreador de objetos. Orientando: Emerson de Oliveira Orientador : Miguel Wisintainer
Protótipo de um robô rastreador de objetos Orientando: Emerson de Oliveira Orientador : Miguel Wisintainer Estrutura da apresentação Introdução Processamento e análise de imagens Redes neurais e reconhecimento
Leia mais1 Introdução. I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho
1 Introdução I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho Os hardwares gráficos atualmente podem ser considerados como verdadeiros processadores
Leia maisBarramento. Prof. Leonardo Barreto Campos 1
Barramento Prof. Leonardo Barreto Campos 1 Sumário Introdução; Componentes do Computador; Funções dos Computadores; Estrutura de Interconexão; Interconexão de Barramentos Elementos de projeto de barramento;
Leia maisElementos Físicos do SC e a Classificação de Arquiteturas
Elementos Físicos do SC e a Classificação de Arquiteturas IFBA Instituto Federal de Educ. Ciencia e Tec Bahia Curso de Analise e Desenvolvimento de Sistemas Arquitetura de Computadores 9 e 10/40 Prof.
Leia mais1 INTRODUÇÂO. 1.1.Motivação
22 1 INTRODUÇÂO 1.1.Motivação Duas componentes formam as perdas globais das empresas distribuidoras: perdas técnicas e perdas comerciais também denominadas perdas não técnicas. As perdas técnicas são,
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA Projeto de Redes Neurais Projeto de Redes Neurais Baseado apenas em dados Exemplos para treinar uma rede devem ser compostos por
Leia maisRedes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas
Leia maisAula 07 Propriedades da resposta ao impulso
Aula 07 Propriedades da resposta ao impulso Bibliografia OPPENHEIM, A.V.; WILLSKY, A. S. Sinais e Sistemas, a edição, Pearson, 00. ISBN 9788576055044. Páginas 6-69. HAYKIN, S. S.; VAN VEEN, B. Sinais e
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Memória Cache Slide 1 Introdução Tamanho Função de Mapeamento Política de Escrita Tamanho da Linha Número de Memórias Cache Cache em Níveis Slide 2 Introdução
Leia maisProtótipo de Software para Reconhecimento de Impressões Digitais
Protótipo de Software para Reconhecimento de Impressões Digitais Aluno: Alex Sandro da Silva Orientador: Paulo de Tarso Mendes Luna Semestre - 99/1 Roteiro da Apresentação INTRODUÇÃO CONCEITOS BÁSICOS
Leia maisMemória Interna. Prof. Leonardo Barreto Campos 1
Memória Interna Prof. Leonardo Barreto Campos 1 Sumário Introdução; Sistema de Memória de Computadores; Hierarquia de Memória; Memória Principal de Semicondutores; Memória Cache; Organizações das Memórias
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Entrada e Saída Slide 1 Entrada e Saída Dispositivos Externos E/S Programada Organização e Arquitetura de Computadores I Sumário E/S Dirigida por Interrupção
Leia maisOrganização Básica de Computadores. Organização Básica de Computadores. Organização Básica de Computadores. Organização Básica de Computadores
Ciência da Computação Arq. e Org. de Computadores Processadores Prof. Sergio Ribeiro Composição básica de um computador eletrônico digital: Processador Memória Memória Principal Memória Secundária Dispositivos
Leia mais1. Introdução. 1.1.Objetivo
1. Introdução 1.1.Objetivo O objetivo desta dissertação é desenvolver um sistema de controle por aprendizado acelerado e Neuro-Fuzzy baseado em técnicas de inteligência computacional para sistemas servo-hidráulicos
Leia maisserotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina
Redes Neurais O modelo biológico O cérebro humano possui cerca 100 bilhões de neurônios O neurônio é composto por um corpo celular chamado soma, ramificações chamadas dendritos (que recebem as entradas)
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 maisInteligência Artificial. Conceitos Gerais
Inteligência Artificial Conceitos Gerais Inteligência Artificial - IA IA é um campo de estudo multidisciplinar e interdisciplinar, que se apóia no conhecimento e evolução de outras áreas do conhecimento.
Leia maisPontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
Leia maisOs computadores ditigais podem ser classificados em 5 grupos distintos:
Informática A informática engloba toda atividade relacionada ao uso dos computadores, permitindo aprimorar e automatizar tarefas em qualquer área de atuação da sociedade. Informática é a "Ciência do tratamento
Leia maisDispositivos de Entrada e Saída
Departamento de Ciência da Computação - UFF Dispositivos de Entrada e Saída Prof. Marcos A. Guerine mguerine@ic.uff.br 1 Dipositivos periféricos ou simplesmente periféricos permitem a comunicação da máquina
Leia maisAula 06 - Máquina Multinível e Von Neumann
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus Currais Novos Instalação e Organização de Computadores Aula 06 - Máquina Multinível e Von Neumann Prof. Diego Pereira
Leia maisModelo de Von Neumann. Modelo de Von Neumann. Componentes básicos de um computador. Modelo de Von Neumann ARQUITETURA DE HARDWARE
Componentes básicos de um computador Memória Processador Periféricos Barramento O processador (ou microprocessador) é responsável pelo tratamento de informações armazenadas em memória (programas em código
Leia maisAlgoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square Back Propagation Formas de Aprendizado Existe dois métodos básicos de aplicação do algoritmo Back Propagation: Aprendizado
Leia maisOrganização e Arquitetura de Computadores INTRODUÇÃO
Organização e Arquitetura de Computadores INTRODUÇÃO A Arquitetura de Computadores trata do comportamento funcional de um sistema computacional, do ponto de vista do programador (ex. tamanho de um tipo
Leia maisMEMÓRIAS SEMICONDUTORAS
MEMÓRIAS SEMICONDUTORAS Em um sistema computacional subentende-se memória como qualquer dispositivo capaz de armazenar dados, mesmo temporariamente. Atualmente, os métodos de armazenamento de informação
Leia maisINTELIGÊNCIA COMPUTACIONAL
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br A Inteligência Computacional (IC), denominada originalmente de Inteligência Artificial (IA), é uma das ciências
Leia maisClassificação Linear. André Tavares da Silva.
Classificação Linear André Tavares da Silva andre.silva@udesc.br Roteiro Introduzir os o conceito de classificação linear. LDA (Linear Discriminant Analysis) Funções Discriminantes Lineares Perceptron
Leia maisUniversidade Federal de Santa Catarina Departamento de Engenharia Elétrica Laboratório de Materiais Elétricos LAMATE
Universidade Federal de Santa Catarina Departamento de Engenharia Elétrica Laboratório de Materiais Elétricos LAMATE Experiência 4 Circuitos Lógicos- Inversor, Portas Nand/And, Portas Nor/Or, Memória Estática
Leia maisSSC643 -Avaliação de Desempenho de Sistemas Computacionais -
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 -Avaliação de Desempenho de Sistemas Computacionais - Aula 2 Sarita Mazzini Bruschi
Leia maisESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS
ESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS Samuel Vieira DIAS (1); Geraldo Luis Bezerra RAMALHO (2); (1) Instituto Federal de Educação, Ciência
Leia maisIntrodução 12 que inuenciam a execução do sistema. As informações necessárias para o diagnóstico de tais problemas podem ser obtidas através da instru
1 Introdução Atualmente a demanda pela construção de novos sistemas de software tem aumentado. Junto com esse aumento também cresce a complexidade das soluções que estão sendo desenvolvidas, o que torna
Leia maisÉ um sinal elétrico periódico que é utilizado para cadenciar todas as operações realizadas pelo processador.
Universidade Estácio de Sá Curso de Informática Disciplina de Organização de Computadores II Prof. Gabriel P. Silva - 1 o Sem. / 2005 2 ª Lista de Exercícios 1) O que é o relógio de um sistema digital?
Leia maisREDES NEURAIS ARTIFICIAIS: UMA CONTRIBUIÇÃO AO PROCESSO DE DECISÕES FINANCEIRAS
REDES NEURAIS ARTIFICIAIS: UMA CONTRIBUIÇÃO AO PROCESSO DE DECISÕES FINANCEIRAS WILSON KENDY TACHIBANA VERIDIANA DE FÁTIMA ORLANDI Resumo: As redes neurais artificiais são modelos baseados no comportamento
Leia maisArquitetura e Organização de Computadores
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO DEPARTAMENTO DEPARTAMENTO DE CIÊNCIAS CIÊNCIAS EXATAS E E NATURAIS NATURAIS CURSO DE CIÊNCIA DA COMPUTAÇÃO CURSO DE CIÊNCIA DA COMPUTAÇÃO Arquitetura e Organização
Leia maisInteligência Computacional para Jogos Eletrônicos
Inteligência Computacional para Jogos Eletrônicos Papéis da IA em Jogos Adversários Aliados Personagens de apoio NPC s (Non-player Character) Comentaristas Controle de câmera Geração de fases Nivelamento
Leia maisPROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS
PROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS 1 SILVA, J. N., 2 MONTEIRO, G. S., 3 SILVA, S. K., 4 AVELINO, M. C., 5 FRANÇA, M. I. C,.
Leia maishttp://www.ic.uff.br/~debora/fac! 1 Capítulo 4 Livro do Mário Monteiro Introdução Hierarquia de memória Memória Principal Organização Operações de leitura e escrita Capacidade 2 Componente de um sistema
Leia maisProf. Benito Piropo Da-Rin. Arquitetura, Organização e Hardware de Computadores - Prof. B. Piropo
Prof. Benito Piropo Da-Rin memória é o local onde se armazenam dados Será???? Memória é um local ou dispositivo onde podem se armazenar dados e que permite que sejam recuperados quando deles se precisar
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia maisCURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS º PERÍODO
CURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS - 2016.2 2º PERÍODO DISCIPLINA: CÁLCULO I DISCIPLINA: FÍSICA I Estudo do centro de Massa e Momento Linear. Estudo da Rotação. Estudo de Rolamento, Torque
Leia maisSSC546 -Avaliação de Desempenho de Sistemas
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 -Avaliação de Desempenho de Sistemas Parte 1 -Aula 2 Sarita Mazzini Bruschi Material
Leia mais6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA TEORIA: 60 LABORATÓRIO: 30
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC5001 - SISTEMAS MULTIAGENTES
Leia maisMETODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS
METODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS Marcelo Zaniboni 1, Osvaldo Severino Junior 2 1: Universitário do curso de Ciência da Computação, Faculdade
Leia maisARQUITETURA DE COMPUTADORES
ARQUITETURA DE COMPUTADORES Aula 05: Memória Principal MEMÓRIA PRINCIPAL Elementos de uma memória principal (célula, bloco, tamanho total); Cálculo dos elementos de memória (tamanho dos barramentos de
Leia maisMÉTODOS PARA OTIMIZAÇÃO NÃO-LINEAR IRRESTRITA
Universidade Estadual de Campinas FACULDADE DE ENGENHARIA ELÉTRICA E COMPUTAÇÃO Otimização Não-Linear MÉTODOS PARA OTIMIZAÇÃO NÃO-LINEAR IRRESTRITA Autor: Tiao Aostinho de Almeida INTRODUÇÃO Considere
Leia maisProjeto e Implementação do Decodificador PBIW em Hardware. Felipe de Oliveira de Araújo Felipe Yonehara
Projeto e Implementação do Decodificador PBIW em Hardware Felipe de Oliveira de Araújo Felipe Yonehara A técnica de codificação PBIW A técnica PBIW ( Pattern Based Instruction Word) é composta por um algoritmo
Leia mais1 O esquema de Alamouti: Diversidade na transmissão
1 O esquema de Alamouti: Diversidade na transmissão 1.1 O Caso de uma antena receptora A Figura?? mostra a representação em banda básica do esquema de Alamouti com diversidade na transmissão. O esquema
Leia maisAlgoritmos e Lógica de Programação Componentes e Arquitetura
Algoritmos e Lógica de Programação Componentes e Arquitetura Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 21 de fevereiro de 2017 Noções
Leia maisSSC510 Arquitetura de Computadores 1ª AULA
SSC510 Arquitetura de Computadores 1ª AULA REVISÃO DE ORGANIZAÇÃO DE COMPUTADORES Arquitetura X Organização Arquitetura - Atributos de um Sistema Computacional como visto pelo programador, isto é a estrutura
Leia maisORGANIZAÇÃO DE COMPUTADORES CAPÍTULO4: MEMÓRIAPRINCIPAL
ORGANIZAÇÃO DE COMPUTADORES CAPÍTULO4: MEMÓRIAPRINCIPAL MEMÓRIA Componente de um sistema de computação cuja função é armazenar informações que são manipuladas pelo sistema para que possam ser recuperadas
Leia maisArquitetura e organização de computadores
Arquitetura e organização de computadores 3º. Semestre - Sistemas de informação Prof. Emiliano S. Monteiro Classificação de computadores Grande porte: Supercomputadores e Mainframes Médio porte: Minicomputadores
Leia maisAdriano J. Holanda FAFRAM. 4 e 11 de maio de 2012
Memória Adriano J. Holanda FAFRAM 4 e 11 de maio de 2012 Trilha Introdução Hierarquia da memória Memórias RAM Memória ROM Introdução Arquitetura de Von Neumann Memória Aritmética Controle E/S Unidade central
Leia maisOtimização com Algoritmos Genéticos no MATLAB. Prof. Rafael Saraiva Campos CEFET-RJ
Otimização com Algoritmos Genéticos no MATLAB Prof. Rafael Saraiva Campos CEFET-RJ Conteúdo do Mini-Curso PARTE 1 Teoria PARTE 2 Prática Conteúdo do Mini-Curso PARTE 1 Teoria 1.1. Conceitos Básicos de
Leia maisRedes Neurais Artificiais. Everton Gago
Redes Neurais Artificiais Everton Gago Como vai ser? O que é RNA? Conglomerado de neurônios!?!? Neurônio: Neurônio: Entradas: X0 = 0 X1 = 1 X2 = 1 Neurônio: Entradas: X0 = 0 X1 = 1 X2 = 1 Pesos: W0 = 0.3
Leia maisInformática para o MPU. Prof. Jefferson Moreira 1
Informática para o MPU Prof. Jefferson Moreira 1 Sites e contato Email e msn: jefferson.jbsm@hotmail.com www.projetofuturoservidor.wordpress.com Twitter: @jeff_bala Orkut: Jefferson Moreira Prof. Jefferson
Leia maisESTUDO DE ALGORITMO MLP COMO APROXIMADOR DE FUNÇÃO
Congresso Técnico Científico da Engenharia e da Agronomia CONTECC 2016 Rafain Palace Hotel & Convention Center- Foz do Iguaçu - PR 29 de agosto a 1 de setembro de 2016 ESTUDO DE ALGORITMO MLP COMO APROXIMADOR
Leia maisFACULDADE PITÁGORAS PRONATEC
FACULDADE PITÁGORAS PRONATEC DISCIPLINA: ARQUITETURA DE COMPUTADORES Prof. Ms. Carlos José Giudice dos Santos carlos@oficinadapesquisa.com.br www.oficinadapesquisa.com.br Objetivos Ao final desta apostila,
Leia maisGRADE CURRICULAR E CORPO DOCENTE. Fase 1 Carga horária total: 360h
Ciência da Computação CÂMPUS LAGES Instrumentos Regulatórios (Resolução CEPE e CONSUP ou Portaria de reconhecimento do curso pelo MEC) RESOLUÇÃO CEPE/IFSC Nº 39, DE 13 DE AGOSTO DE 2014. RESOLUÇÃO CONSUP/IFSC
Leia maisEstrutura de Dados. Introduc a o e Alocac a o de Memo ria. Vilson Heck Junior. Instituto Federal de Santa Catarina
Estrutura de Dados Introduc a o e Alocac a o de Memo ria Vilson Heck Junior Instituto Federal de Santa Catarina 2015 Sumário 1 Sumário 2 Introdução 3 Dados Compostos Heterogêneos O Problema A Solução Objetos
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisHardware. Computador. Computador. Computador. Evolução dos Computadores. Laboratório de Utilização de Microcomputadores (DCA0302) Aula 01
Laboratório de Utilização de Microcomputadores (DCA0302) Diogo Pedrosa Hardware Aula 01 Computador Combinação de diversos dispositivos e circuitos digitais que podem executar uma seqüência de operações
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisInformática Aplicada. Introdução
Informática Aplicada Introdução Breve histórico da computação moderna Principais eventos 1000ac - Ábaco 1614 - Logaritmos (John Napier) 1623 - Sistema Binário (Francis Bacon) 1642 - Máquina de Turing 1946
Leia maisAula 11: Memória Principal: Conceitos Básicos e Organização
Aula 11: Memória Principal: Conceitos Básicos e Organização Diego Passos Universidade Federal Fluminense Fundamentos de Arquiteturas de Computadores Diego Passos (UFF) Memória Principal: Conceitos Básicos
Leia maisRedes de Computadores II. Módulo 1 Introdução e a camada de enlace
Redes de Computadores II Módulo 1 Introdução e a camada de enlace 1 Comunicação de Dados e Redes de Computadores O problema fundamental da comunicação é reproduzir em um ponto exatamente ou aproximadamente
Leia maisReconhecimento de Tipos de Movimento Humano baseados no método GMM.
Reconhecimento de Tipos de Movimento Humano baseados no método GMM. C.Gonçalves 1 ; L.A.Pereira; J.C.Pizolato, Jr.; A.Gonzaga. Escola de Engenharia de São Carlos-EESC-USP Av. Trab. São-Carlense, 400 CP
Leia maisPrograma de Pós-Graduação em Engenharia de Sistemas e Automação Departamento de Engenharia - Universidade Federal de Lavras
Programa de Pós-Graduação em Engenharia de Sistemas e Automação Área de Concentração: Engenharia de Sistemas e Automação (Engenharias IV) As atividades de pesquisa na área de concentração em Engenharia
Leia maisE-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces
E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces Éder Augusto Penharbel, Erdiane L. G. Wutzke, Murilo dos S. Silva, Reinaldo
Leia maisRECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS
1 RECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS Giovanni Crestan Leonardo Enomoto Araki Thiago Antonio Grandi De Tolosa Wânderson de Oliveira Assis Wilson Carlos Siqueira Lima Júnior IMT Instituto Mauá
Leia maisArquiteturas Paralelas
ORGANIZAÇÃO E ARQUITETURA DE COMPUTADORES Arquiteturas Paralelas Medidas de desempenho Alexandre Amory Edson Moreno Índice 2 1. Introdução 2. Medidas de Desempenho Introdução 3 Aumento de desempenho dos
Leia maisAPLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA ESTIMAR MATRIZ ORIGEM-DESTINO DE CARGA
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA ESTIMAR MATRIZ ORIGEM-DESTINO DE CARGA Daniel Neves Schmitz Gonçalves Luiz Antonio Silveira Lopes Marcelino Aurelio Vieira da Silva APLICAÇÃO DE REDES NEURAIS
Leia maisConceitos e Gerenciamento de Memória
Conceitos e Gerenciamento de Memória Introdução Num sistema computacional, temos diferentes tipos de memórias, para diferentes finalidades, que se interligam de forma estruturada e que formam o subsistema
Leia maisTECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS PROGRAMAÇÃO DE COMPUTADORES I
TECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS PROGRAMAÇÃO DE COMPUTADORES I Aula 02: Organização e Arquitetura de Computadores / Lógica Digital (Parte I) O conteúdo deste documento tem por objetivo
Leia maisSSC0611 Arquitetura de Computadores
SSC0611 Arquitetura de Computadores 6ª Aula Entrada e Saída Profa. Sarita Mazzini Bruschi sarita@icmc.usp.br Estrutura da máquina de von Neumann Dispositivos Periféricos Interface com o mundo exterior
Leia maisQualquer anormalidade detectada no processamento pode ser classificada
O Movimento ZD no Japão Começou com a disseminação massiva de métodos de CEQ (Deming e Juran) em todos os níveis hierárquicos - baseado em amostragens - pressupõe nível aceitável de defeitos A Detecção
Leia maisGestão Estratégica da Informação Prof. Esp. André Luís Belini
Gestão Estratégica da Informação Prof. Esp. André Luís Belini Apresentação do Professor Formação Acadêmica: Bacharel em Sistemas de Informação Pós graduado em Didática e Metodologia para o Ensino Superior
Leia maisARQUITETURA DE COMPUTADORES
ARQUITETURA DE COMPUTADORES Arquitetura de Von Newmann Prof Daves Martins Msc Computação de Alto Desempenho Email: daves.martins@ifsudestemg.edu.br Vídeos Vídeo aula RNP http://edad.rnp.br/rioflashclient.php?xmlfile=/ufjf/licenciatura_com
Leia maisMulti-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Back Propagation Multi-Layer Perceptrons Redes de apenas uma camada só representam funções linearmente separáveis Redes
Leia maisConceitos sobre Computadores
Conceitos sobre Computadores Prof. UNESP - São José do Rio Preto Linguagem Computacional Neste tópico veremos: Os Componentes físicos dos computadores O hardware: principais partes dos computadores atuais.
Leia maisCOMUNICAÇÃO DIGITAL 1. INTRODUÇÃO PROF. MARCIO EISENCRAFT
COMUNICAÇÃO DIGITAL 1. INTRODUÇÃO PROF. MARCIO EISENCRAFT Baseado em http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-450- principles-of-digital-communications-i-fall-2006/video-lectures/lecture-1-introduction/
Leia maisMedidas de Avaliação
Medidas de Avaliação Medidas de Avaliação Para a maioria dos sistemas computacionais é necessário criar medidas para aferir sua eficácia e eficiência; A medida mais comum é o tempo e o espaço. Quanto menor
Leia maisindexação e hashing Construção de Índices e Funções Hash Diego Gomes Tomé - MSc. Informática Orientador: Prof. Dr. Eduardo Almeida October 13, 2016
indexação e hashing Construção de Índices e Funções Hash Diego Gomes Tomé - MSc. Informática Orientador: Prof. Dr. Eduardo Almeida October 13, 2016 Universidade Federal do Paraná indexação e hashing Índices
Leia maisSistemas Numéricos, Operações Lógicas e Tipos de Dados Tratados pelo Computador
Capítulo 2 Sistemas Numéricos, Operações Lógicas e Tipos de Dados Tratados pelo Computador 2.0 Índice 2.1 Sistemas Numéricos 2 2.1.1 Sistema Binário 2 2.1.2 Sistema Octal 3 2.1.3 Sistema Hexadecimal 3
Leia maisTópicos Avançados em Sistemas Computacionais: Infraestrutura de Hardware Aula 06
Tópicos Avançados em Sistemas Computacionais: Infraestrutura de Hardware Aula 06 Prof. Max Santana Rolemberg Farias max.santana@univasf.edu.br Colegiado de Engenharia de Computação COMO UM PROGRAMA ESCRITO
Leia maisRational Unified Process (RUP)
Rational Unified Process (RUP) A Rational é bem conhecida pelo seu investimento em orientação em objetos. A empresa foi à criadora da Unified Modeling Language (UML), assim como de várias ferramentas que
Leia mais