Referências Bibliográficas
|
|
- Flávio das Neves Barbosa
- 6 Há anos
- Visualizações:
Transcrição
1 Referências Bibliográficas [Back97] Back, T.; Fogel, D. B. ; Michalewicz, Z., editors. Handbook of Evolutionary Computation. Institute of Physics Publishing, [Bishop95] BISHOP, C. M.. Neural Networks for Pattern Recognition. Oxford University Press, [Blanco1] BLANCO, A.; DELGADO, M. ; PEGALAJAR, M. C.. A real-coded genetic algorithm for training recurrent neural networks. Neural Networks, 14:93 15, [Figueiredo3] FIGUEIREDO, K.. Novos modelos neuro-fuzzy hierárquicos com aprendizado por reforço para agentes inteligentes. PhD thesis, Pontifícia Universidade Católica do Rio de Janeiro, , 4.. [Franklin96] FRANKLIN, S.; GRAESSER, A.. Is it an agent, or just a program?: A taxonomy for autonomous agents. In: INTELLIGENT AGENTS III. AGENT THEORIES, ARCHITECTURES AND LANGUAGES (ATAL 96), volumen 1193, Berlin, Germany, Springer-Verlag. 5. [Gillespie73] GILLESPIE, D. T.. A Quantum Mechanics Primer An Elementary Introduction to the Formal Theory of Non-Relativistic Quantum Mechanics. Open University Set Book, ,.1.3,.1.3 [Gomez97] GOMEZ, F.; MIIKKULAINEN, R.. Incremental evolution of complex general behavior. In: ADAPTIVE BEHAVIOR, volumen 5, p , [Gomez3] GOMEZ, F.. Robust Non Linear Control through Neuroevolution. PhD thesis, The University of Texas at Austin, 3..7, 3.4, 3.4, 4.., 4.., 4.. [Green1] GREEN, N. J. B.. Quantum Mechanics 1: Foundations. Oxford Science Publications, ,.1.,.1.,.1.,.1.3,. [Han] HAN, K.; KIM, J.. Genetic quantum algorithm and its application to combinatorial optimization problem. In: PROCEEDINGS OF THE
2 Referências Bibliográficas 88 CONGRESS ON EVOLUTIONARY COMPUTATION, volumen, p ,..5,.5,.5 [Han] HAN, K.; KIM, J.. Quantum-inspired evolutionary algorithm for a class of combinatorial optimization. In: IEEE TRANS. EVOL. COMPUT. 6, p ,. 1.1,.5 [Han4] HAN, K.-H.; KIM, J.-H.. Quantum inspired evolutionary algorithms with a new termination criterion, h e gate and two phase scheme. IEEE Transactions on Evolutionary Computation, 8, , 4.1., 5 [Haykin99] HAYKIN, S.. Neural Networks A Comprehensive Foundation. Prentice Hall, edition, , 3.4, 3.4, 4 [ICA5] Projeto de previsão de vazões, [Ilonen3] ILONEN, J.; KAMARAINEN, J.-K. ; LAMPINEN, J.. Differential evolution training algorithm for feed-forward neural networks. Neural Processing Letters, 17:93 15, [Jang4] JANG, J.-S.; HAN, K.-H. ; KIM, J.-H.. Face detection using quantuminspired evolutionary algorithm. In: PROCEEDINGS OF CONGRESS ON EVOLUTIONARY COMPUTATION, volumen, p. 1 16, 4..5 [Jsbsim] [Knuth73] KNUTH, D. E.. Sorting and Searching. Addison Wesley, [Koza9] KOZA, J. R.. Genetic Programming: on the programming of computers by means of natural selection. MIT Press, , 4.. [Michalewicz94] MICHALEWICZ, Z.. Genetic algorithms + data structures = evolution programs (nd, extended ed.). Springer-Verlag New York, Inc., New York, NY, USA, , 3.1.4, 4.1, 4.1. [Moore91] MOORE, A. W.. Variable resolution dynamic programming:efficiently learning action maps in multivariate real-valued statespaces. In: PROCEEDINGS OF THE EIGHTH INTERNATIONAL CONFE- RENCE ON MACHINE LEARNING, p , [Moore95] MOORE, M.; NARAYANAN, A ,.4,.4,.4 Quantum-inspired computing, [Moriarty97] MORIARTY, D. E.. Symbiotic Evolution of Neural Networks in Sequential Decision Tasks. PhD thesis, The University of Texas at Austin,
3 Referências Bibliográficas 89 [Narayanan96] NARAYANAN, A.; MOORE, M.. Quantum inspired genetic algorithms. In: INTERNATIONAL CONFERENCE ON EVOLUTIONARY COMPUTATION, p , [Planck1] PLANCK, M.. On the law of distribution of energy in the normal spectrum. Annalen der Physik, 4:553, [Reynolds94] REYNOLDS, R. G.. An introduction to cultural algorithms. In: PROCEEDINGS OF THE 3RD ANNUAL CONFERENCE ON EVOLUTIO- NARY PROGRAMMING, p , ,.6 [Reynolds4] REYNOLDS, R. G.; PENG, B.. Cultural algorithms: Modeling of how cultures learn to solve problems. In: PROCEEDINGS OF THE 18TH IEEE INTERNATIONAL CONFERENCE ON TOOLS WITH ARTIFICIAL INTELLIGENCE (ICTAI 4), ,.6.1,.6.1 [Rieffel] RIEFFEL, E.; POLAK, W.. An introduction to quantum computing for non physicists. ACM Computing Surveys, 3(5):3 335,..3 [Robocode] 5. [Rychtyckyj3] RYCHTYCKYJ, N.; OSTROWSKI, D.; SCHLEIS, G. ; REY- NOLDS, R. G.. Using cultural algorithms in industry. In: PROCEEDINGS OF IEEE SWARM INTELLIGENCE SYMPOSIUM, Indianapolis, Indiana, 3. IEEE Press..6.1 [Saad98] Saad, D., editor. On line Learning in Neural Networks. Cambridge University Press, [Skinner95] SKINNER, A.; BROUGHTON, J. Q.. Neural networks in computational material science: Training algorithms. Modelling and Simulation in Material and Engineering, 3:371 39, [Spector4] SPECTOR, L.. Automatic Quantum Computer Programming A Genetic Programming Approach. Springer, 4..3 [Stanley] STANLEY, K. O.; MIIKKULAINEN, R.. Evolving neural networks through augmenting topologies. In: EVOLUTIONARY COMPUTATION,..7 [Storn95] STORN, R.; PRICE, K.. Differential evolution - a simple and efficient adaptive scheme for global optimization over continuous spaces. Technical Report TR-95-1, , 3.1.3
4 Referências Bibliográficas 9 [Tasgetiren5] TASGETIREN, M. F.; GENCYLMAZ, G.; LIANG, Y.-C. ; EKER, I.. A differential evolution algorithm for continuous function optimization. In: CONGRESS ON EVOLUTIONARY COMPUTATION, [Tasgetiren5A] TASGETIREN, M. F.; GENCYLMAZ, G.; LIANG, Y.-C. ; EKER, I.. Global optimization of continuous functions using particle swarm optimization. In: CONGRESS ON EVOLUTIONARY COMPUTATION, [Yao99] YAO, X.; LIU, Y. ; LIN, G. M.. Evolutionary programming made faster. IEEE Trans. Evolutionary Computation, 3:8 1, , 4.1. [Yao99a] YAO, X.. Evolving artificial neural networks. In: PROCEEDINGS OF THE IEEE, volumen 87, p ,
5 Anexo 1 Funções para Medida de Desempenho Função Sphere Deslocada f 1 (x)= D z i+ bias 1 z=x o, x=[x 1, x,, x D ] Função f 1 6 x Figura 5.3: Mapa 3D da função f 1. Unimodal Separável x [ 1, 1] D, Ótimo global: x = o, F 1 (x )=bias 1 = 45
6 Referências Bibliográficas 9 Função Schwefel Deslocada f (x)= D i z j j=1 + bias z=x o, x=[x 1, x,, x D ] Função f 8 x Figura 5.4: Mapa 3D da função f. Unimodal Não-separável x [ 1, 1] D, Ótimo global: x = o, F (x )=bias = 45
7 Referências Bibliográficas 93 Função Elíptica Rotacionada e Deslocada f 3 (x)= D ( 1 6 ) i 1 D 1 z i+ bias 3 z=(x o) M, x=[x 1, x,, x D ] Função f 3 4 x Figura 5.5: Mapa 3D da função f 3. Unimodal Rotacionada Não-separável M é uma matriz ortogonal qualquer pré-definida x [ 1, 1] D, Ótimo global: x = o, F 3 (x )=bias 3 = 45
8 Referências Bibliográficas 94 Função Schwefel 1. Deslocada com Ruído D f 4 (x)= i z j (1+.4 N(, 1) )+bias 4 j=1 z=x o, x=[x 1, x,, x D ] Função f 4 5 x Figura 5.6: Mapa 3D da função f 4. Unimodal Não-separável Ruído aleatório x [ 1, 1] D, Ótimo global: x = o, F 4 (x )=bias 4 = 45
9 Referências Bibliográficas 95 Função Schwefel.6 f 5 (x)=max{ A i x B i }+bias 5 A é uma matriz DxD, onde a i j são números inteiros aleatórios no intervalo [ 5, 5], det(a), A i é a i-ésima linha de A. B i = A i o, o é um vetor Dx1, onde o i é um número aletório no intervalo [ 1, 1]. Função f 5 4 x Figura 5.7: Mapa 3D da função f 5. Unimodal Não-separável Ótimo global na borda do domínio x [ 1, 1] D, Ótimo global: x = o, F 5 (x )=bias 5 = 31
10 Referências Bibliográficas 96 Função Rosenbrock Deslocada f 6 (x)= D (1 ( z i ) + ) z i+1 (zi 1) + bias 6 z=x o+1, x=[x 1, x,, x D ] Função f Figura 5.8: Mapa 3D da função f 6. Não-separável Esta função tem um vale muito estreito entre o mínimo local e o mínimo global x [ 1, 1] D, Ótimo global: x = o, F 6 (x )=bias 6 = 39
11 Referências Bibliográficas 97 Função Ackley Rotacionada e Deslocada f 8 (x)= exp. 1 D D z i exp 1 D D cos (πz i ) + +e+bias 8 z=(x o) M, x=[x 1, x,, x D ] 1. M é uma matriz de transformação linear com um número de condição igual a Função f Figura 5.9: Mapa 3D da função f 8. Rotacionada Não-separável Ótimo global na borda do domínio x [ 3, 3] D, Ótimo global: x = o, F 8 (x )=bias 8 = 14
12 Referências Bibliográficas 98 Função Rastrigin Deslocada f 9 (x)= D ( z i 1 cos (πz i )+1 ) + bias 9 z=x o, x=[x 1, x,, x D ] Função f Figura 5.1: Mapa 3D da função f 9. Separável Grande número de ótimos locais x [ 5, 5] D, Ótimo global: x = o, F 9 (x )=bias 9 = 33
13 Referências Bibliográficas 99 Função Rastrigin Deslocada e Rotacionada f 1 (x)= D ( z i 1 cos (πz i )+1 ) + bias 1, [ 5, 5] D z=(x o) M, x=[x 1, x,, x D ]. M é uma matriz de transformação linear com um número de condição igual a Função f Figura 5.11: Mapa 3D da função f 1. Rotacionada Não-Separável Grande número de ótimos locais x [ 5, 5] D, Ótimo global: x = o, F 1 (x )=bias 1 = 33
14 Referências Bibliográficas 1 Função Weierstrass Deslocada e Rotacionada f 11 (x)= D k= [.5 k cos ( π3 k (z i +.5) )] D [.5 k cos ( π3 k.5 )] + bias 11 k= z=(x o) M, x=[x 1, x,, x D ] 5. M é uma matriz de transformação linear com um número de condição igual a Função f Figura 5.1: Mapa 3D da função f 11. Rotacionada Não-Separável Função contínua mas diferenciável apenas em alguns pontos x [.5,.5] D, Ótimo global: x = o, F 11 (x )=bias 11 = 9
15 Referências Bibliográficas 11 Função Schwefel.13 f 1 (x)= D (A i B i (x)) + bias 1 A i = D ( ) ai j sinα j + b i j cosα j j=1 B i (x)= D ( ) ai j sin x j + b i j cos x j,,, D j=1 Função f 1 6 x Figura 5.13: Mapa 3D da função f 1. Não-Separável x [ π,π] D, Ótimo global: x =α, F 1 (x )=bias 1 = 46
16 Referências Bibliográficas 1 Função Griewank e Rosenbrock Expandida e Deslocada Considerando-se as funções: F8 - Função Griewank : F8(x)= D F - Função Rosenbrock : F(x)= D 1 x i D 4 cos( ) x i I + 1 (1 ( x i ) + ) x i+1 (xi 1) f 13 (x)=f8(f(z 1, z ))+ F8(F(z, z 3 ))+ + F8(F(z D 1, z D ))+ F8(F(z D, z 1 ))+bias 13 z=x o+1, x=[x 1, x,, x D ] Função f Figura 5.14: Mapa 3D da função f 13. Não-separável x [ 5, 5] D, Ótimo global: x = o, F 13 (x )=bias 13 = 13
17 Referências Bibliográficas 13 Função F6 Expandida, Rotacionada e Deslocada Considerando-se a função: ( ( sin x + y ).5 ) F(x, y)=.5+ ( ( 1+.1 x + y )) f 14 (x)=f(z1, z)+f(z, z 3 )+ + F(z D 1, z d )+F(z D, z 1 )+bias 14 z=(x o) M, x=[x 1, x,, x D ] 5. M é uma matriz de transformação linear com um número de condição igual a Função f Figura 5.15: Mapa 3D da função f 14. Não-separável x [ 1, 1] D, Ótimo global: x = o, F 14 (x )=bias 14 = 3
18 Anexo Funções para Medida de Desempenho Função Sphere f S phere (x)= D x i Função f 3 x Figura 5.16: Mapa 3D da função f S phere. Unimodal x [ 1, 1] D, Ótimo global: x =, f S phere (x )=
19 Referências Bibliográficas 15 Função Ackley f Ackley (x)= exp. 1 D D x i exp 1 D D cos (πx i ) + +e Função f Figura 5.17: Mapa 3D da função f Ackley. x [ 3, 3] D, Ótimo global: x =, f Ackley (x )=
20 Referências Bibliográficas 16 Função Griewank f Griewank (x)= 1 4 D x i D ( xi cos )+1 i Função f Figura 5.18: Mapa 3D da função f Griewank. x [ 6, 6] D, Ótimo global: x =, f Griewank (x )=
21 Referências Bibliográficas 17 Função Rastrigin f Rastrigin (x)= D [ x i 1 cos (πx i )+1 ] Função f Figura 5.19: Mapa 3D da função f Rastrigin. x [ 5.1, 5.1] D, Ótimo global: x =, f Rastrigin (x )=
22 Referências Bibliográficas 18 Função Schwefel.6 f S chwe f el (x)= D ( xi sin ( x i )) Função f Figura 5.: Mapa 3D da função f S chwe f el. x [ 5, 5] D, Ótimo global: x = , f S chwe f el (x )=
23 Referências Bibliográficas 19 Função Rosenbrock D 1 [ f Rosenbrock (x)= 1 ( ) + ] x i+1 x i (xi 1) Função f 35 1 x Figura 5.1: Mapa 3D da função f Rosenbrock. x [ 3, 3] D, Ótimo global: x = 1, f Rosenbrock (x )=
Algoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
IN0997 - Redes Neurais
IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa
Algoritmos Evolutivos com Inspiração Quântica para Problemas com Representação Numérica
André Vargas Abs da Cruz Algoritmos Evolutivos com Inspiração Quântica para Problemas com Representação Numérica Tese de Doutorado Tese apresentada ao Programa de Pós graduação em Sistemas de Apoio à Decisão
UNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática MATRIZ CURRICULAR ELETIVAS
MATRIZ CURRICULAR S LIVRE ESCOLHA Núcleo Temático: HUMANAS Disciplina: LÍNGUA BRASILEIRA DE SINAIS 34 h/a (.34 ) Teóricas Etapa: 4ª Compreensão de aspectos composicionais da Língua Brasileira de Sinais
Sistemas Neurais Híbridos: Redes Neurais Artificias e Algoritmos Genéticos. Leonardo Nascimento Ferreira
Sistemas Neurais Híbridos: Redes Neurais Artificias e Algoritmos Genéticos Leonardo Nascimento Ferreira Conteúdo Algoritmo Genético Representação Seleção Reprodução Redes Neurais Evolucionárias Vantagens
7 Referências Bibliográficas
7 Referências Bibliográficas 1. SCHEIDEL, M. Use and experience of gas turbine on-line diagnostics. In: Power-Gen Europe. Proceedings, 2004. 2. GE OIL & GAS. icenter and remote monitoring and diagnostics
Redes Neurais Evolucionárias
Redes Neurais Evolucionárias André L. N. Muniz e Cícero Augusto M. da S. Neves Departamento de Ciência da Computação Universidade Federal da Bahia (UFBA) Salvador BA Brasil {amuniz,cicero}@im.ufba.br Resumo.
Multi-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
Jorge Caiado CEMAPRE/ISEG, Universidade Técnica de Lisboa Web:
CEMAPRE/ISEG, Universidade Técnica de Lisboa Email: jcaiado@iseg.utl.pt Web: http://pascal.iseg.utl.pt/~jcaiado/ 1 Uma série temporal (time series) consiste num conjunto de observações de uma variável,
UNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática. 3 a ETAPA
3 a ETAPA exclusivo de curso (X) Eixo Comum ( ) Eixo Universal () ORGANIZAÇÃO DE COMPUTADORES ( 02 ) Laboratório TECNOLOGIA E INFRA Estudo da organização funcional de computadores, com destaque para a
Primeiro semestre de 2015 Disciplina: Otimização Dinâmica Prof. Dr. Armando Vaz Sampaio Quarta-Feira 14:00 18:00 horas
Ministério da Educação Universidade Federal do Paraná Departamento de Economia PPGDE - Programa de Pós-Graduação em Desenvolvimento Econômico Mestrado Doutorado Primeiro semestre de 2015 Disciplina: Otimização
Fatores de Impacto para alguns Periódicos Base JCR-2003 /ISI 1
Fatores de Impacto para alguns Periódicos Base JCR-2003 /ISI 1 O Journal Citation Reports (JCR) publica anualmente o índice conhecido por fator de impacto de um periódico para medir a freqüência com que
TEMPLATE PARA TCC IFFAR - SVS
MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA FARROUPILHA - CAMPUS SÃO VICENTE DO SUL TEMPLATE PARA TCC IFFAR - SVS TRABALHO
SÍNTESE EVOLUCIONÁRIA DE CIRCUITOS DIGITAIS EMPREGANDO FPGA S
SÍNTESE EVOLUCIONÁRIA DE CIRCUITOS DIGITAIS EMPREGANDO FPGA S Aluno: Rogério Cortez B. L. Póvoa Orientador: Marco Aurélio C. Pacheco 1. Introdução 1.1. Motivação O hardware evolutivo (Evolvable Hardware
Introdução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Mapas Auto-Organizáveis Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia
Ricardo Matsumura de Araújo Professor Assistente FURG Doutorando PPGC / UFRGS Orientador: Luis C. Lamb
Ricardo Matsumura de Araújo Professor Assistente FURG Doutorando PPGC / UFRGS Orientador: Luis C. Lamb Aprendizado de Máquina IA Estatística Computação Diz-se que um algoritmo é capaz de aprender de uma
Modelagem da Anomalia Magnética no Granito Silva Jardim
Modelagem da Anomalia Magnética no Granito Silva Jardim Antonio Nuno de Castro Santa Rosa 1 Nilton Correia da Silva 2 Natasha Gomes Santos Stanton 3 Renata Schimit 3 Universidade Federal do Rio de Janeiro/CT/NIDES
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
7 Referências Bibliográficas
7 Referências Bibliográficas ANDZELM, J.; KLOBUKOWSKI, M.; RADZIO-ANDZELM, E.; SASKI, Y.; TATEWAKI, H., Gaussian Basis Set for Molecular Calculations, Elsevier, Amsterdan, 1984. BISHOP, D.; SOMORJAI, R..
Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos
III Encontro de Modelagem Computacional Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos Marco Aurélio Buono Carone- thecoreh@gmail.com Vinícius Tinti de Paula Oliveira- viniciustinti@gmail.com
Mini-curso Tópicos de Inteligência Computacional
Mini-curso Tópicos de Inteligência Computacional Prof. Dr. Marcos Eduardo Valle (e-mail: valle@uel.br) Universidade Estadual de Londrina - Departamento de Matemática Resumo O mini-curso Tópicos em Inteligência
Análise de Sensibilidade dos Parâmetros do Bat Algorithm e Comparação de Desempenho
Análise de Sensibilidade dos Parâmetros do Bat Algorithm e Comparação de Desempenho Jelson A. Cordeiro 1, Rafael Stubs Parpinelli 1 e Heitor Silvério Lopes 1 1 Laboratório de Bioinformática Universidade
Aluno: Chidambaram Chidambaram Prof. Heitor Silvério Lopes
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E INFORMÁTICA INDUSTRIAL Disciplina - Tópicos Especiais em Computação Paralela Capítulo 8 - Parallel Particle
UNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BAURU FACULDADE DE ARQUITETURA, ARTES E COMUNICACAO DE BAURU
Nível: Histórico: Mestrado/Doutorado Código Capes: DES00012 Docente(s) Responsável(eis): Prof. Dr. JOAO FERNANDO MARAR Situação Ativa Dt. Aprovação 05/12/2013 Dt. Desativação Créditos 8 CH. Total CH. Teórica
Estudo Comparativo Sobre a Convergência e o Custo Computacional das Estruturas Topológicas Aplicadas à Otimização por Enxame de Partículas (PSO)
1 Estudo Comparativo Sobre a Convergência e o Custo Computacional das Estruturas Topológicas Aplicadas à Otimização por Enxame de Partículas (PSO) Alisson Patrick Medeiros de Lima * Ygor Alcântara de Medeiros
Aprendizado de Máquina em Redes Complexas
Theses and Dissertations Competition (CI/AI TDC) 1st BRICS Countries Congress (BRICS-CCI) and 11th Brazilian Congress (CBIC) on Computational Intelligence Aprendizado de Máquina em Redes Complexas Fabricio
Manual de Docência para a disciplina de Inteligência Artificial 2005/2006 Engenharia Informática, 4º ano José Manuel Torres
Manual de Docência para a disciplina de Inteligência Artificial 2005/2006 Engenharia Informática, 4º ano José Manuel Torres Número de horas do programa: 60 horas Número de horas Semanal: 4 Horas Número
Caracterização de Imagens via Redes Neurais Artificiais
Caracterização de Imagens via Redes Neurais Artificiais Autor: Eduardo Ferreira Ribeiro 1, Orientadora: Celia Zorzo Barcelos 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade Federal
Aperfeiçoamento do BAT: Inserção de Novas Etapas e Análise de Desempenho
1 Aperfeiçoamento do BAT: Inserção de Novas Etapas e Análise de Desempenho Allan Vilar de Carvalho * Wellington Candeia de Araujo ** Lucas Vale F. da Silva *** Resumo Este artigo propõe para o algoritmo
8 Bibliografia. ACEAUME, E. et al. On The Formal Specification of Group Membership Services. INRIA, 1995, 15 p. Relatório Técnico TR95-1534.
Bibliografia 88 8 Bibliografia ACEAUME, E. et al. On The Formal Specification of Group Membership Services. INRIA, 1995, 15 p. Relatório Técnico TR95-1534. AMBRIOLA, V.; TORTORA, G. Advances in Software
METAHEURÍSTICA INSPIRADA NA ECOLOCALIZAÇÃO DE MORCEGOS: APERFEIÇOAMENTO e ESTUDO DE CASOS
September 24-28, 212 METAHEURÍSTICA INSPIRADA NA ECOLOCALIZAÇÃO DE MORCEGOS: APERFEIÇOAMENTO e ESTUDO DE CASOS Francisco Carlos Rodrigues Coelho Universidade Federal de Juiz de Fora UFJF Campus da UFJF,
Algoritmo Genético Aplicado em Identificação de Sistemas de Múltiplas Entradas e Múltiplas Saídas
Algoritmo Genético Aplicado em Identificação de Sistemas de Múltiplas Entradas e Múltiplas Saídas Mariane Gavioli Bergamini 1 ; Gideon Villar Leandro 1 1 UFPR Universidade Federal do Paraná RESUMO A computação
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo Juliana Patrícia Detroz Professor: André Tavares da Silva Universidade do Estado de Santa Catarina
ALGORITMO DE BUSCA TABU APLICADO NA SOLUÇÃO DO PROBLEMA DE MÚLTIPLAS MOCHILAS.
ALGORITMO DE BUSCA TABU APLICADO NA SOLUÇÃO DO PROBLEMA DE MÚLTIPLAS MOCHILAS MÜLLER, M. R. 1 ; FRANCO, E. M. C. 2 1,2 Universidade Estadual do Oeste do Paraná - UNIOESTE/Pós-Graduação em Engenharia de
Extração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
ALAPTROM: AMBIENTE LABVIEW E AUTOCAD PARA PLANEJAMENTO DA TRAJETÓRIA DE ROBÔS MÓVEIS
ALAPTROM: AMBIENTE LABVIEW E AUTOCAD PARA PLANEJAMENTO DA TRAJETÓRIA DE ROBÔS MÓVEIS Ricardo Artigas Langer ricardo_langer@hotmail.com Pontifícia Universidade Católica do Paraná, Grupo Produtrônica Graduação
Processos aleatórios - características
Capítulo 6 Processos aleatórios - características temporais 6.1 O conceito de processo aleatório Um processo aleatório ou estocástico é um espaço de amostras em que cada elemento é associado a uma função
ESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO LINEARES UTILIZANDO ALGORITMOS GENÉTICOS
Anais do IX Congresso Brasileiro de Redes Neurais /Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009 Sociedade Brasileira de Redes Neurais ESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO
Otimização com Algoritmos Evolutivos
Otimização com Algoritmos Evolutivos Francisco Pereira (xico@dei.uc.pt) ELBCE 2016 (Setembro 2016) Resumo Problem Optimization Method Solution } Algoritmos Evolutivos } Propriedades e funcionamento } Exemplos
Implementação de um escalonador de processos em GPU
Implementação de um escalonador de processos em GPU Guilherme Martins guilhermemartins@usp.br 6 de abril de 2017 Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos
GERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS
o. SBAI Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 8- de Setembro de 999 GERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS Yván J. Túpac,
Redes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Apresentação da Disciplina Edirlei Soares de Lima O que é Inteligência Artificial? O que é Inteligência Artificial? Área de pesquisa que tem
Rede Neural STEPWISE-ARTMAP Fuzzy aplicada ao problema de Previsão de Cargas Elétricas
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Rede Neural STEPWISE-ARTMAP Fuzzy aplicada ao problema de Previsão de Cargas Elétricas Thays Abreu, Marleide F. Alves, Carlos R. Santos Junior, Anna
Automação Inteligente
Curso de Graduação em Engenharia Elétrica Universidade Federal da Paraíba Período 2016-2 Automação Inteligente Prof. Juan Moises Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan Informações
UNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática EMENTAS DAS DISCIPLINAS 7ª. ETAPA
EMENTAS DAS DISCIPLINAS 7ª. ETAPA Curso: Bacharelado em Álgebra III 100.1772.0 7ª ( 4 ) Teórica 4 aulas/ semana 1º Semestre de 2013 Demonstração dos problemas clássicos geometricamente e algebricamente
Autor 1 Orientador: 1. dia de mês de ano
Título Autor 1 Orientador: 1 1 Laboratório de Sistemas de Computação Universidade Federal de Santa Maria dia de mês de ano Roteiro Introdução Fundamentação Desenvolvimento Resultados Conclusão e Trabalhos
Análise do impacto de operações de live migration em ambientes de computação em nuvem Workshop MoDCS 2012.2
Análise do impacto de operações de live migration em ambientes de computação em nuvem Workshop MoDCS 2012.2 Matheus D'Eça Torquato de Melo (mdetm@cin.ufpe.br) Paulo Maciel (prmm@cin.ufpe.br) 12 Roteiro
Inteligência Computacional [2COP229]
Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da
Inteligência Artificial
Inteligência Artificial Introdução Stuart Russel and Peter Norvig, Artificial Intelligence: A modern approach, 2nd edition, Pearson Education, 2003 cap. 1 Ernesto Costa e Anabela Simões, Inteligência Artificial:
Aprendizado de Máquina em Redes Complexas. Fabricio Aparecido Breve Orientador: Prof. Dr. Zhao Liang
Aprendizado de Máquina em Redes Complexas Fabricio Aparecido Breve Orientador: Prof. Dr. Zhao Liang Agenda Introdução Motivações e Objetivos Revisão Bibliográfica Redes Complexas Aprendizado de Máquina
REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA
REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA Pedro Henrique da S. PALHARES 1, Leonardo da C. BRITO 1,
Proposta de Plano de Estudos. Modelos de Segurança em Assinatura sem Certificado. MAC Tópicos Especiais em Ciência da Computação
Proposta de Plano de Estudos Modelos de Segurança em Assinatura sem Certificado MAC5801 - Tópicos Especiais em Ciência da Computação aluna: Denise Hideko Goya orientador: Routo Terada Instituição: Departamento
O Algoritmo de Treinamento: Máquina de Aprendizado Extremo (Extreme Learning Machine - ELM)
O Algoritmo de Treinamento: Máquina de Aprendizado Extremo (Extreme Learning Machine - ELM) Thiago Henrique Cupertino SCE5809 - Redes Neurais 23 de Novembro de 2010 Conteúdo Introdução Desvantagens do
UMA ABORDAGEM EVOLUTIVA BASEADA EM MODELOS CAÓTICOS DE BUSCA ASSOCIADO AO ALGORITMO DE EVOLUÇÃO DIFERENCIAL
17º Simpósio do Programa de Pós-graduação em Engenharia Mecânica Universidade Federal de Uberlândia Faculdade de Engenharia Mecânica UMA ABORDAGEM EVOLUTIVA BASEADA EM MODELOS CAÓTICOS DE BUSCA ASSOCIADO
Um Algoritmo Cultural para o Problema do Despacho Econômico e Ambiental
Um Algoritmo Cultural para o Problema do Despacho Econômico e Ambiental Nátalli Macedo Rodrigues 1, Carolina Paula de Almeida 1,2, Richard A. Gonçalves 1,2 1 Departamento de Ciência da Computação Universidade
Previsão de Cargas Elétricas utilizando uma Rede Neural ARTMAP Fuzzy com Treinamento Continuado
Previsão de Cargas Elétricas utilizando uma Rede Neural ARTMAP Fuzzy com Treinamento Continuado Thays Abreu 1, Carlos R. Santos Junior 2 Mara L. M. Lopes 1 Anna Diva Lotudo 1 Carlos R Minussi 1 1 Universidade
UNIVERSIDADE ESTADUAL DE MONTES CLAROS PRÓ-REITORIA DE PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM MODELAGEM COMPUTACIONAL E SISTEMAS
EDITAL PARA SELEÇÃO DE ALUNOS ESPECIAIS CANDIDATOS ÀS DISCIPLINAS ISOLADAS NO MESTRADO EM MODELAGEM 2º Semestre de 2014 O presente Edital encontra-se de acordo com o Regimento do Programa de Pós-Graduação
Amilcar Soares Junior Curriculum Vitae
Amilcar Soares Junior Curriculum Vitae Contact Information Name Amilcar Soares Junior Birthday 19/05/1986 - João Pessoa/PB Brazil Email amilcarsj@gmail.com Address Rua Sebastião Azevedo Bastos, nº 714,
Modelando sistemas Multiagentes Analisando Metodologias
Modelando sistemas Multiagentes Analisando Metodologias Ricardo Almeida Venieris Ricardo.almeida@les.inf.puc-rio.br Modelagem e Implementação OO de Sistemas Multi-Agentes Dissertação apresentada ao Departamento
Proposta de Curso LNCC
Proposta de Curso LNCC Professor: Gilson A. Giraldi (D.Sc) Título do Curso: Visualização Científica para Análise de Imagens Médica. Período: Quarto Período de 2001 Objetivos O processamento/visualização
CURRICULUM VITÆ. Francisco Manuel Gonçalves Coelho DADOS PESSOAIS E CONTACTOS. Local e data de nascimento Lisboa, 30 de Julho de 1968.
CURRICULUM VITÆ Francisco Manuel Gonçalves Coelho DADOS PESSOAIS E CONTACTOS Local e data de nascimento Lisboa, 30 de Julho de 1968. Nacionalidade Portuguesa Contactos pessoais Endereço Avenida Portugal,
UMA ANÁLISE DO TRADE-OFF DE DESEMPENHO DAS DIFERENTES CONFIGURAÇÕES DO MODELO EM ILHAS USANDO EVOLUÇÃO DIFERENCIAL
UMA ANÁLISE DO TRADE-OFF DE DESEMPENHO DAS DIFERENTES CONFIGURAÇÕES DO MODELO EM ILHAS USANDO EVOLUÇÃO DIFERENCIAL Rodolfo Ayala Lopes Universidade Federal de Ouro Preto Ouro Preto, Minas Gerais - Brasil
Mistério das Pirâmides
Mistério das Pirâmides UNIVERSIDADE FEDERAL DE GOIÁS Cleusa Maria do Nascimento nmcleusa@gmail.com Rogéria Wolpp Wolpp@cultura.com.br Mistério das Pirâmides Introdução Supercomputador para um cálculo numérico
MEMÓRIAS ASSOCIATIVAS NEBULOSAS IMPLICATIVAS BASEADAS EM NORMAS TRIANGULARES ARQUIMEDIANAS
MEMÓRIAS ASSOCIATIVAS NEBULOSAS IMPLICATIVAS BASEADAS EM NORMAS TRIANGULARES ARQUIMEDIANAS Marcos Eduardo Valle¹ e Peter Sussner² ¹Universidade Estadual de Londrina, Departamento de Matemática Brasil,
English version at the end of this document
English version at the end of this document Ano Letivo 2016-17 Unidade Curricular PROGRAMAÇÃO ORIENTADA POR OBJETOS Cursos ENGENHARIA ELETRÓNICA E TELECOMUNICAÇÕES (Mestrado Integrado) ENGENHARIA INFORMÁTICA
ARTIFICIAL FISH SWARM ALGORITHM APPLIED TO THE TRAVELING SALEMAN PROBLEM
ARTIFICIAL FISH SWARM ALGORITHM APPLIED TO THE TRAVELING SALEMAN PROBLEM Allan Kardec Lopes (Instituto Federal Goiano Campus Urutaí GO Brasil) allankardec.ti@gmail.com Gina M. B. de Oliveira (Universidade
Sandnet. Análise de Tráfego de Rede Produzido por Software Malicioso
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Câmpus Campinas - CTI Renato Archer Sandnet Análise de Tráfego de Rede Produzido por Software Malicioso Daniel Teixeira - IFSP Prof. Dr.
Pontifícia Universidade Católica de São Paulo Programa de TIDD
Disciplina: 2854 - Sistemas Inteligentes e Ambientes Virtuais Turma A Área de Concentração: Processos Cognitivos e Ambientes Digitais Linha de Pesquisa: Inteligência Coletiva e Ambientes Interativos Professor:
Árvore Binária SVM Otimizada na Classificação de Imagem Hiperespectral. Diego Bonesso 1 Vitor Haertel 1
Árvore Binária SVM Otimizada na Classificação de Imagem Hiperespectral. Diego Bonesso 1 Vitor Haertel 1 1 Universidade Federal do Rio Grande do Sul - UFRGS/PPGSR Caixa Postal 15044-91501-970 Porto Alegre
English version at the end of this document
English version at the end of this document Ano Letivo 2017-18 Unidade Curricular PROGRAMAÇÃO ORIENTADA POR OBJETOS Cursos ENGENHARIA INFORMÁTICA (1.º ciclo) ENGENHARIA ELETRÓNICA E TELECOMUNICAÇÕES (Mestrado
Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos
Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Lauro Ramon GOMIDES 1, Gelson da Cruz JUNIOR 2, Cassio
Análise Estatística de Sistema de Descontinuidades em Maciços Rochosos
Universidade de Brasília Departamento de Engenharia Civil e Ambiental / FT Pós-Graduação em Geotecnia Análise Estatística de Sistema de Descontinuidades em Maciços Rochosos Leandro Lima Rasmussen Doutorando
Webmedia 06 Diego Fiori de Carvalho Júlio Cézar Estrella Renata Pontin de Mattos Fortes Rudinei Goularte
Interoperabilidade XML com Web Services para modelo de arquitetura em Sistemas de Informação Geográfico Webmedia 06 Diego Fiori de Carvalho Júlio Cézar Estrella Renata Pontin de Mattos Fortes Rudinei Goularte
de Bordas em Imagens Digitais
Anais do CNMAC v.2 ISSN 1984-820X Avaliação Quantitativa de um Método Automático de Extração de Bordas em Imagens Digitais Inês A. Gasparotto Boaventura Departamento de Ciências de Computação e Estatística,
Autores del Trabajo Nombre País . Sérgio Bordignon3 Brasil
/6 Título Variáveis climáticas aplicadas à previsão de demanda em curtíssimo prazo Nº de Registro (Resumen) 299 Empresa o Entidad. Universidade Federal do Pampa UNIPAMPA 2. Universidade Federal do Rio
Arquitetura de Computadores
Arquitetura de Computadores Aleardo Manacero Jr. DCCE/UNESP Grupo de Sistemas Paralelos e Distribuídos Informações Gerais Objetivos principais: Homogeneizar Aprofundar Flexibilidade x rigidez Informações
CONSTRUÇÃO 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
- Computação Evolutiva -
- Computação Evolutiva - Prof. Dr. Cícero Garrozi DEINFO - UFRPE PPGIA@UFRPE cicerog@gmail.com Site da disciplina: http://cicerog.blogspot.com Sumário Situando a Computação Evolucionária Metáfora principal
INTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Engenharia da Computação Professor: Rosalvo Ferreira de Oliveira Neto Dados pessoais Rosalvo Ferreira de Oliveira Neto Dr. em ciência da computação (UFPE) rosalvo.oliveira@univasf.edu.br
Introdução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Introdução Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia Universidade
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino Ricardo Cezar Bonfim Rodrigues 24 de abril de 2006 1 Antecedentes e Justificativa Hoje, em diversos processos industriais,
Algoritmo Genético. Teoria da Evolução Princípio seguido pelos AGs
Algoritmo Genético Técnica de busca e otimização. Metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John Holland (1975) e seus
Aprendizado Semi-Supervisionado utilizando Competição e Cooperação entre Partículas em Redes. Fabricio Aparecido Breve DEMAC IGCE UNESP
Aprendizado Semi-Supervisionado utilizando Competição e Cooperação entre Partículas em Redes Fabricio Aparecido Breve DEMAC IGCE UNESP Agenda Introdução Aprendizado de Máquina Aprendizado Semi-Supervisionado
RECONHECIMENTO 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
Planejamento da Disciplina
Planejamento da Disciplina Huei Diana Lee Fabiana F. F. Peres Algoritmos e Estruturas de Dados 2007 Conteúdo Conteúdo Programático Bibliografia Provas Critério de Avaliação... Conteúdo Programático I 1.
Teorema da Galeria de Arte e Triangularização de Polígonos e Pontos no Plano
e Triangularização de Polígonos e Pontos no Plano Rocha Corrêa Orientador: Carlos Eduardo Ferreira Departamento de Ciência da Computação Instituto de Matemática e Estatística Universidade de São Paulo
Tópicos de Física Clássica I Aula 9 O teorema de Noether; constantes de movimento
Tópicos de Física Clássica I Aula 9 O teorema de Noether; constantes de movimento a c tort Suponha um lagrangiano associado a uma partícula que tem apenas um grau de liberdade (g = 1): L = L(q, q, t).
Algoritmo cultural com busca local avaliado através de testes estatísticos não paramétricos
Algoritmo cultural com busca local avaliado através de testes estatísticos não paramétricos Carlos A. O. de Freitas 1, Roberto C.L. Oliveira 2, Deam J.A. Silva 3, Jandecy C. Leite 4, Jorge L.M. Rodriguez
EN3604 FILTRAGEM ADAPTATIVA
EN3604 FILTRAGEM ADAPTATIVA Introdução Filtros adaptativos, os quais têm como meta transformar os sinais portadores de informação em versões limpas ou melhoradas, ajustam suas características de acordo
Análise das Rotinas de Intensificacao e Diversificação no Algoritmo Inspirado em Organismos Simbióticos
Análise das Rotinas de Intensificacao e Diversificação no Algoritmo Inspirado em Organismos Simbióticos Wesklei Migliorini, Leanderson André, Rafael Stubs Parpinelli Universidade do Estado de Santa Catarina
ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS
Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS PROPOSTA DE TRABALHO DE
SIGM-TREE: OTIMIZAÇÃO DE ÁRVORES SINTÁTICAS APLICADA À CLASSIFICAÇÃO DE PADRÕES
SIGM-TREE: OTIMIZAÇÃO DE ÁRVORES SINTÁTICAS APLICADA À CLASSIFICAÇÃO DE PADRÕES Juliana Oliveira Ferreira 1 Humberto César Brandão de Oliveira 2 Melise Maria Veiga de Paula 3 Universidade Federal de Alfenas
Uma Versão Modificada do Método Evolução Diferencial para Estimativa de Parâmetros do Modelo de Difusão Anômala Assimétrica
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 3, N. 1, 015. Trabalho apresentado no XXXV CNMAC, Natal-RN, 014. Uma Versão Modificada do Método Evolução Diferencial
MODELO NEURAL COM ATRASO DE TEMPO PARA A PREVISÃO DO INCC
MODELO NEURAL COM ATRASO DE TEMPO PARA A PREVISÃO DO INCC Paulo Roberto Barbosa 1 Elaine Inacio Bueno 2 Nas Ciências Econômicas ocorrem fenômenos temporais que dependem da observação de dados em um período
Qualificação de Doutorado
Qualificação de Doutorado Planejamento de Trajetória aplicado à Veículos Autônomos Aluno: Alexandre Rodrigues de Sousa Orientador: Prof. Dr. José Jean-Paul Zanlucchi de Souza Tavares Sumário Introdução
OTIMIZAÇÃO POR COLÔNIA DE FORMIGAS PARA O ROTEAMENTO EM REDES DE COMPUTADORES.
OTIMIZAÇÃO POR COLÔNIA DE FORMIGAS PARA O ROTEAMENTO EM REDES DE COMPUTADORES. Renato Guilherme Martins Junior (ICV-UNICENTRO), Richard Aderbal Gonçalves (Co-orientador), Carolina Paula de Almeida (Orientadora)
ALGORITMO BASEADO EM CARDUMES DE PEIXES MODIFICADO PARA A OTIMIZAÇÃO DE EXTREME LEARNING MACHINES
ALGORITMO BASEADO EM CARDUMES DE PEIXES MODIFICADO PARA A OTIMIZAÇÃO DE EXTREME LEARNING MACHINES João Fausto Lorenzato de Oliveira, Teresa B. Ludermir Centro de Informática Universidade Federal de Pernambuco
Biometria Multimodalidade Íris + Face. Luiz Antonio Zanlorensi Junior
Biometria Multimodalidade Íris + Face Luiz Antonio Zanlorensi Junior Sumário Introdução Fusionamento Artigo 1 Seleção de características Multimodal Problemas Base de dados Artigo 2 Unimodal + Multimodal
SVM Support Vector Machine
SVM Support Vector Machine Ø Introduction Ø Application to Indoor Localization (MLP x LVQ x SVM) Laboratório de Automação e Robótica - A. Bauchspiess Soft Computing - Neural Networks and Fuzzy Logic SVM
Sintonia de Controladores PID utilizando Algoritmos Genéticos
Sintonia de Controladores PID utilizando Algoritmos Genéticos J. Franco M. Amaral, M. A. C. Pacheco, R. Tanscheit DEE-PUC-Rio, CP 38063, 22452-970 Rio de Janeiro, RJ e-mail: [jfranco, marco, ricardo]@ele.puc-rio.br