Prof. Dr. Cairo L. Nascimento Jr.

Slides:



Advertisements
Apresentações semelhantes
Parte I - Sistemas de Aprendizado: Overview
Advertisements

Desenvolvimento de Plug-ins Orientado a Testes
Inteligência Artificial
EE - 09 Inteligência Artificial Prof. Dr. Adilson Marques da Cunha
Administração de Sistemas de Informação
INTELIGÊNGIA COMPUTACIONAL
EXPERIÊNCIA NO DESENVOLVIMENTO DE UM SISTEMA ESPECIALISTA FUZZY DE AUXILIO A DIAGNÓSTICO DE HIDROGERADORES NA ELETRONORTE.
Fernando Moraes e Ney Laert Vilar Calazans
Inteligência Artificial Alex F. V. Machado. Tecnologia de Processamento da Informação que envolve processos de raciocínio, aprendizado e percepção. Winston.
Universidade Tecnológica Federal do Paraná Prof. Arildo Dirceu Cordeiro, Dr. s, Site e Telefones e
Eng. Marcelo Moretti Fioroni Orientado
Aprendizado de Máquina
Visão Computacional e Aplicações
FACENS – Engenharia da Computação Inteligência Artificial
FACENS – Engenharia da Computação Inteligência Artificial Introdução e Histórico.
Inteligência Artificial
Inteligência Artificial
FACENS – Engenharia da Computação Inteligência Artificial
Universidade Federal do Paraná Departamento de Engenharia Mecânica
Prof. Dr. Cairo L. Nascimento Jr.
Laboratório de Máquinas Inteligentes – LMI/ITA WebLab com o Robô ROMEO
Prof. Dr. Cairo L. Nascimento Jr.
INTELIGÊNCIA TECNOLÓGICA Aplicações desenvolvidas no ITA
Instituto Tecnológico da Aeronáutica – ITA Divisão de Ciência de Engenharia Eletrônica e Computação EE-09 Inteligência Artificial Prof. Adilson Marques.
Redes para Automação Industrial
Paulo J Azevedo Departamento de Informática
INF 1771 – Inteligência Artificial
RN Seleção Temas Projetos Formação de equipes e procedimentos Equipes de 1 a 3 componentes Equipe precisa deixar clara a participação/responsabilidades.
Inteligência Artificial Redes Neurias
Cicília Raquel Maia Leite –
I.A. – Inteligência Artificial
Bacharelado em Sistemas de Informações
FACENS – Engenharia da Computação Inteligência Artificial
Monitoria de Introdução à Computação
Agrupamentos / Clustering
Redes Neurais Auto-organizáveis
Modelos de Maturidade de Processos de Software
A Importância da Educação Continuada
Gerenciamento do Escopo: principais conceitos
ABC OFFICE SHOP J04, 19Y Ana Luiza Rodrigues Luma Batista
INTELIGÊNCIA ARTIFICIAL
IFSul – Campus Venâncio Aires
Inteligência Artificial
Redes Neurais Prof. Alex F. V. Machado.
Realidade Virtual no Ensino de Física a Distância e Presencial
BI - Conceito É o conjunto de conceitos e metodologias que, fazendo uso de acontecimentos (fatos) e sistemas baseados nos mesmos, apóia a tomada de decisões.
Aprendizado de Máquina - Introdução
Redes Bayesianas - Aplicação em Risco Operacional
Sistemas Inteligentes (PPgEE)
Redes Neuronais/Neurais/ Conexionistas Introdução
Tópicos Avançados em Inteligência Artificial
ADMINISTRAÇÃO DE PROJETOS
Sistemas Baseados em Aprendizado (Aprendizado de Máquina)
INTRODUÇÃO À TEORIA GERAL DA ADMINISTRAÇÃO
Proposta de uma Arquitetura Híbrida para Navegação Autônoma por Hugo da Luz Silva.
1 Apresentadores: Eng. Alexandre Toledo e Eng. Carlos Massera - Autor Eng. Carlos Massera - Autor Local de Aplicação do PSC / Case: Cebrace – Área DVF.
Revisão 2° Bimestre Inteligência Artificial. Redes Neurais.
Sistemas de Informação para Planejamento Estratégico
Como Melhorar a Tomada de Decisão
A ADMINISTRAÇÃO HOJE 1.
Redes Neurais Artificiais
Aplicações em Redes Neurais Artificiais De acordo com Turbam, McLean e Wetherbe (2004), “a computação neural também pode ser combinada com outros sistemas.
Introdução à Inteligência Artificial Prof. Cláudio M. N. A. Pereira.
Disciplina: Administração e Finanças Prof. Ms Marcos A. Ribeiro
Inteligência Artificial
INTELIGÊNCIA ARTIFICIAL Grupo: Amora Figueiredo Érika Diniz
Detecção de tráfego Skype na Web através de Redes Neurais Artigo Original: Freire, P. E., Ziviani, A., and Salles, R. M. (2008). Detecting skype flows.
Objetivo Este projeto destina-se ao estudo e à elaboração de modelos neurais artificiais, com o auxílio do programa Matlab. O objetivo principal deste.
Temas para TCC I /2016 Prof. Jonny I Beckert. Veículos adaptados O que envolve: – Legislação brasileira quanto a veículos adaptados – Impacto meio ambiente.
Transcrição da apresentação:

Prof. Dr. Cairo L. Nascimento Jr. 7a SEAU, UNIVAP, 19/Outubro/2005 Demonstração de Técnicas de Inteligência Artificial Prof. Dr. Cairo L. Nascimento Jr. Divisão de Engenharia Eletrônica Instituto Tecnológico de Aeronáutica E-mail: cairo@ita.br Home Page: http://www.ele.ita.br/~cairo/

Demonstração de Técnicas de IA Motivação Por que desejamos máquinas inteligentes? Sobrevivência x Comforto, Necessidades físicas (esforço físico e mental), Necessidades emocionais (filmes Blade Runner e IA, Sony AIBO e QRIO, chatterbot ALICE http://www.alicebot.org/).

Demonstração de Técnicas de IA Entertainment Robot AIBO (http://www.aibo.com)

Demonstração de Técnicas de IA http://www.sony.net/ProductsServices/Robots/

Demonstração de Técnicas de IA Definição de Inteligência Inteligência das máquinas atuais. Estudo da Inteligência. Tipos e Medição de Inteligência: Humana, Animal, das Máquinas, Extra-terrestre (SETI@home).

Demonstração de Técnicas de IA Definição de Inteligência Comportamento Inteligente: Importante para Competição (Seleção Natural), Adaptação (mudanças no meio-ambiente), Reconhecimento de Padrões (visão, fala, diagnóstico de falhas/doenças, aplicações financeiras, detecção de fraudes), Planejamento (Modelos, Otimização) e Auxílio a Tomada de Decisões, Cooperação e Comunicação com outros indivíduos.

Demonstração de Técnicas de IA DARPA Grand Challenge 2005: Percurso: 211 Km, Prêmio: US$ 2M, 9/Out/2005

Demonstração de Técnicas de IA Exemplos de desenvolvimento de Equipamento Inteligente no ITA:

Demonstração de Técnicas de IA Exemplos de desenvolvimento de Equipamento Inteligente no ITA: Barco Autonômo

Demonstração de Técnicas de IA Exemplos de desenvolvimento de Equipamento Inteligente no ITA: Romeo I e Romeo II: http://www.ele.ita.br/romeo/

Demonstração de Técnicas de IA Exemplos de desenvolvimento de Equipamento Inteligente no ITA Romeo 3, http://www.ele.ita.br/romeo/

Demonstração de Técnicas de IA Algoritmo A-estrela

Demonstração de Técnicas de IA Algoritmo Minimax

Demonstração de Técnicas de IA Diferentes formas de representação. Exs.: Modelo paramétrico (função de transferência para sistemas LIT), Modelo baseado em regras (fuzzy expert systems), Modelo neural, fuzzy-neural. Aquisição de modelos dinâmicos a partir de dados reais. Diferentes níveis de supervisão: Muito forte, forte, fraca, muito fraca.

Demonstração de Técnicas de IA Supervisão Muito Forte: o supervisor insere os parâmetros (ou as regras) no modelo. Supervisão Forte: o supervisor fornece exemplos de entrada-saída (pares x,y). Supervisão Fraca: o supervisor classifica apenas os casos típicos. Supervisão Muito Fraca: o supervisor classifica como SUCESSO ou FALHA um conjunto de ações sucessivas.

Demonstração de Técnicas de IA Supervisão Muito Forte: Controlador Fuzzy

Demonstração de Técnicas de IA Controlador Fuzzy

Demonstração de Técnicas de IA Controlador Fuzzy

Demonstração de Técnicas de IA Supervisão Forte: Aprendizado usando pares [X,Yreal]

Demonstração de Técnicas de IA Supervisão Forte: Redes Neurais tipo feedforward Algoritmo Back-Propagation

Demonstração de Técnicas de IA Reconhecimento de Caracteres 0-9,A-F com ruído

Demonstração de Técnicas de IA Reconhecimento de Caracteres: Antes do treinamento

Demonstração de Técnicas de IA Reconhecimento de Caracteres: Após o treinamento

Demonstração de Técnicas de IA Reconhecimento de Caracteres: Teste estatístico

Demonstração de Técnicas de IA Supervisão Fraca: Redes de Kohonen

Demonstração de Técnicas de IA Reconhecimento de Caracteres: Mapa de Agrupamento após o treinamento

Demonstração de Técnicas de IA Reconhecimento de Caracteres: Teste estatístico

Demonstração de Técnicas de IA Supervisão Muito Fraca: Aprendizado por Reforço Algoritmo Bootstrap Learning “Learn by doing it”. Supervisor apenas classifica o resultado de uma série de ações em 2 categorias: SUCESSO, FRACASSO. A cada estado (x), existem N ações (u) possíveis. Para cada par (x,u) define-se P = probabilidade de sucesso. Em geral P(x,u) não é conhecido e deve ser estimado.

Demonstração de Técnicas de IA Supervisão Muito Fraca: Aprendizado por Reforço Algoritmo Bootstrap Learning Um conjunto de ações é escolhido usando o valor estimado de P. O resultado destas ações é avaliado pelo supervisor e usado para atualizar a estimativa de P(x,u).

Demonstração de Técnicas de IA Problema do Labirinto: Após o treinamento

Demonstração de Técnicas de IA Conclusões Aplicações extremamente práticas. Alguns exs.: classificação de empresas de telecomunicações, classificação de sinais eletrocardiográficos, temporarização de semafóros de tráfego urbano, otimização de sequências de montagens, previsão de preços de produtos. Grandes benefícios para a indústria nacional.

Demonstração de Técnicas de IA Conclusões Estamos aumentando o nível de inteligência das nossas máquinas (lentamente ou rapidamente?). Área altamente multi-disciplinar e desafiadora. Muitas oportunidades para pesquisa teórica e aplicada.

Demonstração de Técnicas de IA Mais alguns links interessantes: DARPA Grand Challenge http://www.grandchallenge.org/ http://www.darpa.mil/grandchallenge/ Kohonen Networks: http://www.cs.bham.ac.uk/resources/courses/SEM2A2/Web/Kohonen.htm RL: Learning a motion to move to the front http://www.fe.dis.titech.ac.jp/~gen/robot/robodemo.html Mais demos: http://www.cs.utexas.edu/users/kstanley/demos.html

Demonstração de Técnicas de IA Para mais detalhes: Livro “Inteligência Artificial em Controle e Automação”, 2000 (re-impressões em 2002 e 2004) Autores: Cairo L. Nascimento Jr. e Takashi Yoneyama (ITA) Ed. Edgard Blücher e FAPESP http://www.ele.ita.br/ia_contaut/

Demonstração de Técnicas de IA Muito obrigado pela sua atenção!! Cairo (cairo@ita.br)