Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011
|
|
- Maria de Lourdes Gomes Delgado
- 8 Há anos
- Visualizações:
Transcrição
1 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011
2 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende, 2005).
3 Representação conhecimento Lógica proposicional e lógica de 1a ordem - Proposicional: permite responder perguntas simples; - Primeira ordem: utiliza funções, relações, propriedades dos objetos para dar uma capacidade maior de expressão ao conhecimento. Exemplo: Lotkan é um personagem personagem(lotkan)
4 Representação conhecimento Redes semânticas É um grafo rotulado e direcionado introduzido por Quillian onde: - os nodos representam os objetos - os arcos representam relações entre esses objetos (um arco é rotulado com o nome da relação que ele representa).
5 Representação conhecimento Nodos objetos; propriedades dos objetos. Arcos relações pacote possui passagem aérea meio de transporte é-um avião parte_de
6 Representação conhecimento Quadros (frames) Esta técnica derivada das redes semânticas (por Minsky em 1975); Um quadro é uma estrutura de informação, ou seja, consiste em um conjunto de atributos que, através de seus valores, descrevem as características do objeto representado pelo quadro.
7 Exemplo Frame: Personagem Atributos Default Tipo Robert Drake Categoria - Histórico - Tipo string Lista de atributos Lista de históricos Frame: mocinho Atributos Nome Força Destreza Agilidade Constituição Visão Audição Default Robert Drake é-um: Personagem Tipo string Inteiro inteiro inteiro inteiro inteiro inteiro
8 Representação conhecimento Regras de produção Conhecimento descrito na forma de regras (se.. então..) formadas por premissas e conclusões; As regras são disparadas de acordo com o conjunto de fatos conhecido (inicialmente fornecido pelo usuário e posteriormente ampliado pelas deduções feitas pelo sistema).
9 Representação conhecimento Regras de produção Exemplo: Se temperatura estiver maior do que 30oC Entao ligar o ar condicionado
10 Representação conhecimento Regras de produção Dois tipos de raciocínio: - Encadeamento progressivo: o sistema dispara todas as regras aplicáveis a partir do conjunto inicial de fatos conhecidos. - Encadeamento regressivo o sistema tenta disparar somente as regras que podem alcançar objetivo, já conhecido pelo sistema.
11 Busca Problemas podem ser representados em árvores de busca (espaço de estados). Métodos: - Busca Cega: Amplitude e Profundidade (estruturas de dados) - Busca Heurística: Gulosa, A*, Subida de Encosta
12 Busca heurística Levam em conta o conhecimento sobre o problema. - Subinda de encosta - A*
13 Subida de encosta (Hill Climbing) A função de teste é incrementada com uma função heurística e o teste é realizado estado a estado, fornecendo a proximidade do estado-meta.
14 Subida de encosta (Hill Climbing) Passo 1 Se o estado inicial é igual ao estado-meta, retorna-se o estado inicial e ocorre o encerramento do programa. Caso contrário o estado inicial continua sendo o estado corrente. Passo 2 Um laço de repetição é executado até que o estado-meta seja encontrado ou até não haver operadores a serem aplicados ao estado corrente. Passo 2.1 Um operador ainda não utilizado é escolhido e aplicado ao estado corrente, gerando-se assim um novo estado. Passo 2.2 O novo estado é avaliado: * Se for um estado meta ele é retornado e o programa encerrado; * Se não for um estado meta, mas for melhor que o corrente, então ele é transformado em estado corrente; * Se não for melhor que o estado corrente, continua-se o laço com o estado corrente.
15 A* Utiliza a ideia da busca pela melhor escolha (best-first search), que combina vantagens das buscas em profundidade e em amplitude, para determinar um caminho ou rota a um destino.
16 Exemplo A* (Rich e Knight, 1994)
17 A* A função heurística utilizada no algoritmo A* normalmente é representada da seguinte forma: f(n) = g(n) + h(n). onde: g é qualidade ou custo do caminho percorrido até o nó n ; h é qualidade ou custo do nó n.
18 Redes Neurais Artificiais (RNAs) - Dificuldades dos sistemas convencionais em resolver certas classes de problemas, tais como, reconhecimento de formas, de objetos, classificação de padrões; - Inspiração biológica
19 Aplicações - Reconhecimento de caracteres/objetos/fala; - Diagnóstico médico; Reconhecimento
20 Aplicações - Reconhecimento de caracteres/objetos/fala; - Diagnóstico médico; - Agrupamento de sequências de DNA; - Mineração de dados; Classificação
21 Aplicações - Reconhecimento de caracteres/objetos/fala; - Diagnóstico médico; - Agrupamento de sequências de DNA; - Mineração de dados; - Previsão do tempo; - Previsão da bolsa valores. Previsão
22 Neurônio biológico sinapses dentritos corpo axiônio
23 Neurônio Artificial - Estímulos de entrada, ligações sinápticas e saída; - Estrutura lógico-matemática que simula o comportamento e as funções de um neurônio biológico; - Os estímulos captados pelas entradas são processados pela função de soma, e o limiar de disparo do neurônio biológico foi substituído pela função de transferência.
24 Neurônio Artificial
25 Redes Neurais Artificiais (RNAs) A inteligência surge em sistemas de componentes simples, interativos (neurônios), através de um processo de aprendizado (ou adaptação) pelo qual as conexões entre os componentes são ajustadas.
26 Redes Neurais Artificiais (RNAs) As RNAs não aprendem adquirindo representações a sua base de conhecimento; As RNAs são treinadas; O conhecimento do sistema está implícito na organização e interação dos neurônios;
27 RNAs Os padrões de um domínio são codificados como vetores numéricos; As conexões entre os neurônios são representadas por valores numéricos; A transformação de padrões é o resultado de operações numéricas (multiplicação de matrizes); Os algoritmos são treinados e não programados.
28 Tipos de entrada - Binários: modelos que aceitam entradas discretas, ou seja, somente na forma de 0 e 1; - Intervalar: modelos que aceitam qualquer valor numérico como entrada (forma contínua).
29 - Competitiva: realiza a interação lateral dos sinais recebidos na entrada entre os elementos dentro de uma zona de vizinhança. Formas de conexão - Alimentação à frente: os sinais de entrada são simplesmente transformados em sinais de saída; - Retro-alimentação: os sinais ficam sendo alterados em diversas transições de estado, sendo a saída também alimentadora da entrada;
30 Classificação da rede Diretas: o fluxo de informações segue um uma única direção; Recorrentes: redes com retroalimentação, que possuem uma ou mais camadas de neurônios que alimentam a entrada dos outros neurônios da mesma camada com o seu sinal de saída.
31 Tipos de aprendizado Os algoritmos de treinamento ou regra de aprendizado ditam como são feitos os ajustes dos pesos sinápticos para que a rede adquira experiência ao longo do treinamento Supervisionado: atuam com o auxílio de um professor/supervisor. A rede precisa conhecer o conjunto de entrada e o conjunto de saída. A saída obtida pela rede é calculada conforme a saída desejada. Não supervisionado: atuam de forma competitiva ou autosupervisionada. Para este tipo de regras são fornecidas às redes apenas o conjunto de entrada. Os neurônios de rede competem entre si fornecendo uma classificação como saída. Por reforço: é um método por tentativa e erro. Existe um índice de desempenho chamado de sinal de reforço que é utilizado para otimização
32 Computação Evolutiva Trata de sistemas que resolvem problemas através de modelos computacionais que se baseiam na teoria da evolução natural; Algorítmos Genéticos: baseiam-se nos mecanismos de seleção de indivíduos, onde somente os mais aptos sobrevivem, adaptando-se às mudanças no ambiente.
33 Computação Evolutiva Algoritmo Genético (AG) - originado de estudos sobre autômatos celulares de John Holland, publicados em 1975 no livro "Adaption in Natural and Artificial Systems ; Inspirados na teoria da evolução de Charles Darwin (sobrevivência do mais apto), apresentada na obra A Origem das Espécies publicada em 1859.
34 Algoritmo básico Gera população inicial Calcula aptidão de cada indivíduo fim Convergiu? não Seleção dos pais mais aptos Crossover e mutação Substitução dos indivíduos
35 Referências para leitura Luger, George F. Inteligência artificial : estruturas e estratégias para a resolução de problemas complexos. Tradução Paulo Martins Engel. 4. ed. Porto Alegre : Bookmann, 2004 Russell, Stuart e Norvig, Peter. Inteligência artificial. Tradução Vandenberg D. de Souza. Rio de Janeiro : Campus, 2004
Redes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisFUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO
FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisRedes 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 maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
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 maisInteligência Artificial
Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas
Leia maisPós-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 maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisAula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação em Ciência da Computação Inteligência Artificial Representação do Conhecimento (Parte II) Prof.
Leia maisLINGUAGENS E PARADIGMAS DE PROGRAMAÇÃO. Ciência da Computação IFSC Lages. Prof. Wilson Castello Branco Neto
LINGUAGENS E PARADIGMAS DE PROGRAMAÇÃO Ciência da Computação IFSC Lages. Prof. Wilson Castello Branco Neto Conceitos de Linguagens de Roteiro: Apresentação do plano de ensino; Apresentação do plano de
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA
UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL
Leia maisRepresentação de Conhecimento Redes Semânticas e Frames
Representação de Conhecimento Redes Semânticas e Frames Profa. Josiane M. P. Ferreira e Prof. Sérgio R. P. da Silva David Poole, Alan Mackworth e Randy Goebel - Computational Intelligence A logical approach
Leia maisRadar de Penetração no Solo e Meio- Ambiente
UNIVERSIDADE DE SÃO PAULO INSTITUTO DE ASTRONOMIA, GEOFÍSICA E CIÊNCIAS ATMOSFÉRICAS DEPARTAMENTO DE GEOFÍSICA Curso 3ª Idade Radar de Penetração no Solo e Meio- Ambiente Vinicius Rafael Neris dos Santos
Leia maisAlgoritmos Genéticos
UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br
Leia maisAplicações Práticas com Redes Neurais Artificiais em Java
com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org
Leia maisRespostas dos Exercícios Cap. 2 Russell & Norvig
Respostas dos Exercícios Cap. 2 Russell & Norvig 1. (2.2) Uma medida de desempenho e utilizada por um observador externo para avaliar o sucesso de um agente. Uma função de utilidade e utilizada por um
Leia maisBusca em Espaço de Estados
Busca em Espaço de Estados Jomi Fred Hübner jomi@inf.furb.br FURB / BCC Introdução 2 Agente orientado a meta O projetista não determina um mapeamento entre percepções e ações, mas determina que objetivo
Leia maisMestrado em Informática, tendo Inteligência Artificial como área de pesquisa.
André Montevecchi Graduado em Sistemas de Informação. Mestrado em Informática, tendo Inteligência Artificial como área de pesquisa. andre@montevecchi.com.br 1 Agenda Introdução Teste de Turing Robótica
Leia maisNOTA 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 maisRelatório 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 maisINTELIGÊNCIA ARTIFICIAL
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação
Leia maisExtração de Requisitos
Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia maisSISTEMAS 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 maisIC 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 maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL 1 Ramo da computação que procura permitir uma máquina simular comportamento inteligente, através de algoritmos e técnicas que simulem situações consideradas específicamente humanas,
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisPortas Lógicas Básicas Prof. Rômulo Calado Pantaleão Camara. Carga Horária: 2h/60h
Portas Lógicas Básicas Prof. Rômulo Calado Pantaleão Camara Carga Horária: 2h/60h Colegiado de Engenharia da Computação CECOMP Introdução à Algebra de Boole Em lógica tradicional, uma decisão é tomada
Leia maisProjeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC
Projeto Pedagógico do Bacharelado em Ciência da Computação Comissão de Curso e NDE do BCC Fevereiro de 2015 Situação Legal do Curso Criação: Resolução CONSU no. 43, de 04/07/2007. Autorização: Portaria
Leia maisSistemas Inteligentes Lista de Exercícios sobre Busca
Sistemas Inteligentes Lista de Exercícios sobre Busca 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber o trajeto mais rápido
Leia maisCamadas de Transporte, Sessão & Apresentação. Função. Camadas REDES x TRANSPORTE. Redes de Computadores Prof. Leandro C. Pykosz
Camadas de Transporte, Sessão & Apresentação Redes de Computadores Prof. Leandro C. Pykosz Função A camada de Transporte fica entre as camadas de nível de aplicação (camadas 5 a 7) e as de nível físico
Leia maisParadigmas da IA. Eixos centrais (das diferenças)
Paradigmas da IA Paradigmas da IA Simbólico: metáfora lingüística/lógica Sistemas de produção Conexionista: metáfora cérebro Redes neurais Evolucionista: metáfora teoria da evolução natural Algoritmos
Leia maisIA: Introdução. Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA: Introdução Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário O que é Inteligência Artificial? IA forte e IA fraca Métodos fortes e Métodos fracos De Aristóteles a Babbage Alan Turing e
Leia maisMódulo 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 maisProjeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados
Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências
Leia maisProtocolo TCP/IP. Neste caso cada computador da rede precisa de, pelo menos, dois parâmetros configurados:
Protocolo TCP/IP Neste caso cada computador da rede precisa de, pelo menos, dois parâmetros configurados: Número IP Máscara de sub-rede O Número IP é um número no seguinte formato: x.y.z.w Não podem existir
Leia maisDoenças cardiovasculares constituem um dos maiores problemas que afligem a
18 1 INTRODUÇÃO Doenças cardiovasculares constituem um dos maiores problemas que afligem a população dos países industrializados. Essas doenças são responsáveis por mais de cinco milhões de pessoas hospitalizadas
Leia maisAlgoritmos e Estrutura de Dados III. Árvores
Algoritmos e Estrutura de Dados III Árvores Uma das mais importantes classes de estruturas de dados em computação são as árvores. Aproveitando-se de sua organização hierárquica, muitas aplicações são realizadas
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia maisUNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que
Leia maisDESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS
DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS RELATÓRIO FINAL DE PROJETO DE INICIAÇÃO CIENTÍFICA (PIBIC/CNPq/INPE) Juliana Martins Maia Pereira (UNIVAP, Bolsista
Leia maisComplemento IV Introdução aos Algoritmos Genéticos
Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e
Leia maisProcessos Técnicos - Aulas 4 e 5
Processos Técnicos - Aulas 4 e 5 Trabalho / PEM Tema: Frameworks Públicos Grupo: equipe do TCC Entrega: versão digital, 1ª semana de Abril (de 31/03 a 04/04), no e-mail do professor (rodrigues.yuri@yahoo.com.br)
Leia maisTÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS
Leia maisPARTE III Introdução à Consultoria Empresarial
FATERN Faculdade de Excelência Educacional do RN Coordenação Tecnológica de Redes e Sistemas Curso Superior de Tecnologia em Redes de Computadores Técnicas de Consultoria Prof. Fabio Costa Ferrer, M.Sc.
Leia maisALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA
136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização
Leia maisMÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA. Busca em espaço de estados. Estados e Operadores. Jogo dos 8. Sumário. Exemplo: jogo dos 8
MÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA Sumário busca em espaço de estados redução de problemas Busca em espaço de estados Exemplo: jogo dos 8 2 8 3 1 6 4 7 5 Jogo dos 8 Estados e Operadores Estado: uma
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisComputação BioInspirada
Computação BioInspirada Os Engenheiros da Natureza Fabrício Olivetti de França The reasonable man adapts himself to the world; the unreasonable one persists in trying to adapt the world to himself. Therefore
Leia mais3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
Leia maisEstrutura de um Sistema Especialista
Sistemas Especialistas Difusos Estrutura de um Sistema Especialista Prof. Max Pereira http://paginas.unisul.br/max.pereira Áreas de Aplicação da IA SISTEMAS Sistemas Especialistas (Baseados em Conhecimento)
Leia maisLev Semenovich Vygotsky, nasce em 17 de novembro de 1896, na cidade de Orsha, em Bielarus. Morre em 11 de junho de 1934.
Lev Semenovich Vygotsky, nasce em 17 de novembro de 1896, na cidade de Orsha, em Bielarus. Morre em 11 de junho de 1934. Lev Vygotsky, viveu na mesma época que Piaget (ambos nasceram em 1896 entanto Vygotsky
Leia maisO que é Administração
O que é Administração Bem vindo ao curso de administração de empresas. Pretendemos mostrar a você no período que passaremos juntos, alguns conceitos aplicados à administração. Nossa matéria será puramente
Leia maisDocumento Arquivístico Eletrônico. Produção de Documentos Eletrônicos
Documento Arquivístico Eletrônico Produção de Documentos Eletrônicos Características do Documento. Arquivístico Autenticidade, São autênticos quando criados e conservados de acordo com procedimentos regulares
Leia maisMEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE
Seminário Regional OSIsoft do Brasil 2010 São Paulo, Brasil MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE 28 de Outubro de 2010 André Paulo Ferreira Machado PETROBRAS Empowering
Leia mais15 Computador, projeto e manufatura
A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as
Leia maisRedes Neurais Artificiais na Engenharia Nuclear 2 Aula-1 Ano: 2005
Redes Neurais Artificiais na Engenharia Nuclear 1 - Apresentação do Professor: dados, lista de E-mail s, etc. - Apresentação da Turma: Estatística sobre origem dos alunos para adaptação do curso - Apresentação
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de
Leia maisO DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são
Atividade extra Fascículo 2 Biologia Unidade 4 Questão 1 O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são chamados de genes. Assinale abaixo quais
Leia maisRelatório da Aula Prática sobre Redes Neurais Artificiais
Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: 134657 INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de 2006.
Leia maisSemântica para Sharepoint. Busca semântica utilizando ontologias
Semântica para Sharepoint Busca semântica utilizando ontologias Índice 1 Introdução... 2 2 Arquitetura... 3 3 Componentes do Produto... 4 3.1 OntoBroker... 4 3.2 OntoStudio... 4 3.3 SemanticCore para SharePoint...
Leia maisARQUITETURA DE SOFTWARE
ARQUITETURA DE SOFTWARE Em seu livro, que constitui um referencial sobre o assunto, Shaw e Garlan discutem arquitetura de software da seguinte maneira: Desde quando o primeiro programa foi dividido em
Leia maisLISTA DE EXERCÍCIOS. Mede a capacidade de comunicação de computadores e dispositivos. Operam em diferentes plataformas de hardware
1. A nova infra-estrutura de tecnologia de informação Conectividade Mede a capacidade de comunicação de computadores e dispositivos Sistemas abertos Sistemas de software Operam em diferentes plataformas
Leia maisCAPÍTULO 7 O SERVIÇO DOS AGENTES
CAPÍTULO 7 O SERVIÇO DOS AGENTES A inteligência... é a capacidade de criar objetos artificiais, especialmente ferramentas para fazer ferramentas. ( Henri Bergson) O serviço dos agentes surge como uma prestação
Leia maisEMENTAS DAS DISCIPLINAS
EMENTAS DAS DISCIPLINAS CURSO CST ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO 68 A disciplina estuda a área da informática como um todo e os conceitos fundamentais, abrangendo desde a
Leia maisAlgoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados
Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente
Leia maisFases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
Leia maisAssunto 9 : Tecnologias de Inteligência Artificial nos Negócios
Assunto 9 : Tecnologias de Inteligência Artificial nos Negócios Empresas e outras organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus
Leia maisInteligência Computacional: resolvendo problemas difíceis da vida real
Instituto de Computação Semana Nacional da Ciência e Tecnologia Escola Agrotécnica Federal de Inconfidentes Inteligência Computacional: resolvendo problemas difíceis da vida real Carlos Eduardo de Andrade
Leia maisComportamento de personagens em jogos de computador
Comportamento de personagens em jogos de computador Deise Miranda Borges¹, Rafael Gonçalves Barreira¹, Jackson Gomes de Souza¹ ¹Curso de Sistemas de Informação Centro Universitário Luterano de Palmas (CEULP/ULBRA)
Leia maisRequisitos. Sistemas de Informações
Requisitos Sistemas de Informações Definindo o Sucesso do Software Clientes satisfeitos Eles estão satisfeitos quando você: Atende às expectativas Entrega no prazo Entrega no orçamento O Sucesso começa
Leia maisNathalie 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 maisAprendizagem de Máquina. Ivan Medeiros Monteiro
Aprendizagem de Máquina Ivan Medeiros Monteiro Definindo aprendizagem Dizemos que um sistema aprende se o mesmo é capaz de melhorar o seu desempenho a partir de suas experiências anteriores. O aprendizado
Leia maisEntendendo como funciona o NAT
Entendendo como funciona o NAT Vamos inicialmente entender exatamente qual a função do NAT e em que situações ele é indicado. O NAT surgiu como uma alternativa real para o problema de falta de endereços
Leia maisBARRAMENTO DO SISTEMA
BARRAMENTO DO SISTEMA Memória Principal Processador Barramento local Memória cachê/ ponte Barramento de sistema SCSI FireWire Dispositivo gráfico Controlador de vídeo Rede Local Barramento de alta velocidade
Leia maisInteligência de Enxame: ACO
Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.!
Leia maisIntrodução. Capítulo 1
Capítulo 1 Introdução Em computação, muitos problemas são resolvidos por meio da escrita de um algoritmo que especifica, passo a passo, como resolver um problema. No entanto, não é fácil escrever um programa
Leia maisGERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL
Capítulo 10 GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL 10.1 2003 by Prentice Hall OBJETIVOS Por que hoje as empresas necessitam de programas de gestão do conhecimento e sistemas para gestão do conhecimento?
Leia maisA Otimização Colônia de Formigas
A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado
Leia maisCURSO BÁSICO DE PROGRAMAÇÃO AULA 7
CURSO BÁSICO DE PROGRAMAÇÃO AULA 7 Revisão para prova: Comandos de Entrada e Saída Estruturas de Decisão (Se, caso (escolha)) Laços de Repetição (Enquanto, Repita, Para) Relembrando Trabalho 1 Prazo de
Leia maisCurso Técnico em Redes
Curso Técnico em Redes Prof. Airton Ribeiro - 2012 Histórico das Linguagens de Programação O que é? É um método padronizado para expressar instruções para um computador. É um conjunto de regras sintáticas
Leia maisFATEC Zona Leste. Teoria dos Gráfos. Métodos Quantitativos de Gestão MQG
Teoria dos Gráfos Métodos Quantitativos de Gestão MQG Conceitualmente, um grafo consiste em um conjunto de vértices (pontos ou nós) e um conjunto de arestas (pontes ou arcos), ou seja, é uma noção simples,
Leia maisREDES BAYESIANAS. Palavras-chave: Redes bayesianas, Grafo, Estrutura de Dados, Inteligência artificial.
REDES BAYESIANAS Gabriel Rigo da Cruz Jacobsen gabrielrigoj@gmail.com Prof. Leonardo Sommariva, Estrutura de Dados RESUMO: Uma rede bayesiana é uma forma de representar o conhecimento de um domínio onde
Leia maisEDITAL SENAI SESI DE INOVAÇÃO. Caráter inovador projeto cujo escopo ainda não possui. Complexidade das tecnologias critério de avaliação que
ANEXO II Caráter inovador projeto cujo escopo ainda não possui registro em base de patentes brasileira. Também serão considerados caráter inovador para este Edital os registros de patente de domínio público
Leia mais5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS. 5.1 - Os Programas de Avaliação
36 5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS 5.1 - Os Programas de Avaliação Programas de avaliação convencionais foram utilizados para análise de diversas configurações da arquitetura. Estes programas
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia mais7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.
CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.
Leia maisInteligência Artificial
Inteligência Artificial Representação de conhecimento Redes Semânticas Frames Representação do conhecimento por redes semânticas Uma rede semântica é uma forma gráfica de representação de conhecimento,
Leia mais