Aplicações de múltiplas redes neurais em sistemas mecatrônicos.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2003 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do ITA |
Texto Completo: | http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2732 |
Resumo: | Esta tese trata da aplicação de múltiplas redes neurais em sistemas mecatrônicos. É mostrado que as múltiplas redes neurais devem ser treinadas em seqüência, tal que aprendizado acumulativo possa ser obtido sem a necessidade de um coordenador geral. Este método de treinamento pode manter o aprendizado já adquirido pelas redes neurais, que foram treinadas primeiramente, enquanto novo aprendizado pode ser obtido pelas redes neurais, que foram adicionadas e treinadas posteriormente. A saída de todas as redes é simplesmente somada para produzir a saída da estrutura neural. A estrutura proposta de múltiplas redes neurais é aplicada em dois tipos de sistemas mecatrônicos: a) para controlar a posição de um sistema com uma haste flexível e b) para criar uma matriz de representação comprimida, que é usada no planejamento de trajetórias de um robô móvel considerando o desvio de obstáculos dinâmicos. Para o sistema com uma haste flexível, o uso de múltiplas redes neurais em três tipos de estruturas de controle do tipo Feedback-Error-Learning é investigado: IDML (Inverse Dynamic Model Learning), NRL (Nonlinear Regulator Learning) e Referência Atrasada. Para o problema de planejamento de trajetórias de um robô móvel, primeiramente a técnica Reinforcement Learning é usada para adquirir o aprendizado necessário na decisão de como desviar de obstáculos dinâmicos. Este aprendizado é codificado em uma matriz. Então as múltiplas redes neurais são usadas para criar uma representação mais comprimida desse aprendizado com uma pequena degradação da resolução. |
id |
ITA_3c454017496fd03576d9ec02eac53f39 |
---|---|
oai_identifier_str |
oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2732 |
network_acronym_str |
ITA |
network_name_str |
Biblioteca Digital de Teses e Dissertações do ITA |
spelling |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos.Sistemas de controle auto-adaptativoRedes neuraisAprendizagemRobôsCorpos flexíveisCinemáticaDinâmica de robôsMecatrônicaInteligênciaRobóticaControleEngenharia mecânicaEsta tese trata da aplicação de múltiplas redes neurais em sistemas mecatrônicos. É mostrado que as múltiplas redes neurais devem ser treinadas em seqüência, tal que aprendizado acumulativo possa ser obtido sem a necessidade de um coordenador geral. Este método de treinamento pode manter o aprendizado já adquirido pelas redes neurais, que foram treinadas primeiramente, enquanto novo aprendizado pode ser obtido pelas redes neurais, que foram adicionadas e treinadas posteriormente. A saída de todas as redes é simplesmente somada para produzir a saída da estrutura neural. A estrutura proposta de múltiplas redes neurais é aplicada em dois tipos de sistemas mecatrônicos: a) para controlar a posição de um sistema com uma haste flexível e b) para criar uma matriz de representação comprimida, que é usada no planejamento de trajetórias de um robô móvel considerando o desvio de obstáculos dinâmicos. Para o sistema com uma haste flexível, o uso de múltiplas redes neurais em três tipos de estruturas de controle do tipo Feedback-Error-Learning é investigado: IDML (Inverse Dynamic Model Learning), NRL (Nonlinear Regulator Learning) e Referência Atrasada. Para o problema de planejamento de trajetórias de um robô móvel, primeiramente a técnica Reinforcement Learning é usada para adquirir o aprendizado necessário na decisão de como desviar de obstáculos dinâmicos. Este aprendizado é codificado em uma matriz. Então as múltiplas redes neurais são usadas para criar uma representação mais comprimida desse aprendizado com uma pequena degradação da resolução.Instituto Tecnológico de AeronáuticaCairo Lúcio Nascimento JúniorLuiz Carlos Sandoval GóesAreolino de Almeida Neto2003-00-00info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2732reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:04:56Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2732http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:39:56.057Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue |
dc.title.none.fl_str_mv |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. |
title |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. |
spellingShingle |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. Areolino de Almeida Neto Sistemas de controle auto-adaptativo Redes neurais Aprendizagem Robôs Corpos flexíveis Cinemática Dinâmica de robôs Mecatrônica Inteligência Robótica Controle Engenharia mecânica |
title_short |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. |
title_full |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. |
title_fullStr |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. |
title_full_unstemmed |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. |
title_sort |
Aplicações de múltiplas redes neurais em sistemas mecatrônicos. |
author |
Areolino de Almeida Neto |
author_facet |
Areolino de Almeida Neto |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cairo Lúcio Nascimento Júnior Luiz Carlos Sandoval Góes |
dc.contributor.author.fl_str_mv |
Areolino de Almeida Neto |
dc.subject.por.fl_str_mv |
Sistemas de controle auto-adaptativo Redes neurais Aprendizagem Robôs Corpos flexíveis Cinemática Dinâmica de robôs Mecatrônica Inteligência Robótica Controle Engenharia mecânica |
topic |
Sistemas de controle auto-adaptativo Redes neurais Aprendizagem Robôs Corpos flexíveis Cinemática Dinâmica de robôs Mecatrônica Inteligência Robótica Controle Engenharia mecânica |
dc.description.none.fl_txt_mv |
Esta tese trata da aplicação de múltiplas redes neurais em sistemas mecatrônicos. É mostrado que as múltiplas redes neurais devem ser treinadas em seqüência, tal que aprendizado acumulativo possa ser obtido sem a necessidade de um coordenador geral. Este método de treinamento pode manter o aprendizado já adquirido pelas redes neurais, que foram treinadas primeiramente, enquanto novo aprendizado pode ser obtido pelas redes neurais, que foram adicionadas e treinadas posteriormente. A saída de todas as redes é simplesmente somada para produzir a saída da estrutura neural. A estrutura proposta de múltiplas redes neurais é aplicada em dois tipos de sistemas mecatrônicos: a) para controlar a posição de um sistema com uma haste flexível e b) para criar uma matriz de representação comprimida, que é usada no planejamento de trajetórias de um robô móvel considerando o desvio de obstáculos dinâmicos. Para o sistema com uma haste flexível, o uso de múltiplas redes neurais em três tipos de estruturas de controle do tipo Feedback-Error-Learning é investigado: IDML (Inverse Dynamic Model Learning), NRL (Nonlinear Regulator Learning) e Referência Atrasada. Para o problema de planejamento de trajetórias de um robô móvel, primeiramente a técnica Reinforcement Learning é usada para adquirir o aprendizado necessário na decisão de como desviar de obstáculos dinâmicos. Este aprendizado é codificado em uma matriz. Então as múltiplas redes neurais são usadas para criar uma representação mais comprimida desse aprendizado com uma pequena degradação da resolução. |
description |
Esta tese trata da aplicação de múltiplas redes neurais em sistemas mecatrônicos. É mostrado que as múltiplas redes neurais devem ser treinadas em seqüência, tal que aprendizado acumulativo possa ser obtido sem a necessidade de um coordenador geral. Este método de treinamento pode manter o aprendizado já adquirido pelas redes neurais, que foram treinadas primeiramente, enquanto novo aprendizado pode ser obtido pelas redes neurais, que foram adicionadas e treinadas posteriormente. A saída de todas as redes é simplesmente somada para produzir a saída da estrutura neural. A estrutura proposta de múltiplas redes neurais é aplicada em dois tipos de sistemas mecatrônicos: a) para controlar a posição de um sistema com uma haste flexível e b) para criar uma matriz de representação comprimida, que é usada no planejamento de trajetórias de um robô móvel considerando o desvio de obstáculos dinâmicos. Para o sistema com uma haste flexível, o uso de múltiplas redes neurais em três tipos de estruturas de controle do tipo Feedback-Error-Learning é investigado: IDML (Inverse Dynamic Model Learning), NRL (Nonlinear Regulator Learning) e Referência Atrasada. Para o problema de planejamento de trajetórias de um robô móvel, primeiramente a técnica Reinforcement Learning é usada para adquirir o aprendizado necessário na decisão de como desviar de obstáculos dinâmicos. Este aprendizado é codificado em uma matriz. Então as múltiplas redes neurais são usadas para criar uma representação mais comprimida desse aprendizado com uma pequena degradação da resolução. |
publishDate |
2003 |
dc.date.none.fl_str_mv |
2003-00-00 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/doctoralThesis |
status_str |
publishedVersion |
format |
doctoralThesis |
dc.identifier.uri.fl_str_mv |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2732 |
url |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2732 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do ITA instname:Instituto Tecnológico de Aeronáutica instacron:ITA |
reponame_str |
Biblioteca Digital de Teses e Dissertações do ITA |
collection |
Biblioteca Digital de Teses e Dissertações do ITA |
instname_str |
Instituto Tecnológico de Aeronáutica |
instacron_str |
ITA |
institution |
ITA |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica |
repository.mail.fl_str_mv |
|
subject_por_txtF_mv |
Sistemas de controle auto-adaptativo Redes neurais Aprendizagem Robôs Corpos flexíveis Cinemática Dinâmica de robôs Mecatrônica Inteligência Robótica Controle Engenharia mecânica |
_version_ |
1706809289937518592 |