Classificação não supervisionada para autômato celular elementar do Wolfram
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/16759 |
Resumo: | Cellular Automata are gaining ground in many research areas such as biology, physics and chemistry. But as more parameters are added, it becomes impossible to find features that may be interesting for a particular application. This work has objective by unsupervised machine learning methods like texture descriptors and convolutional autoencoder to determine which Elementary Cellular Automaton rules belong to the classes determined by Wolfram. To do unsupervised learning, histograms were generated with the Local Binary Pattern Variance (LBPV) and the Convolutional Autoencoder, then using the histograms in the K-Means model to analyze whether the model is able to separate the data into four clusters according to the classification proposed by Woflram. In the end, it was observed that both methods did not were able to perform such classification, and the LBPV showed the closest results. |
id |
SCAR_860e03cd6be4819a33899e1c9bb7622d |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/16759 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Souza, Carlos Eduardo deBruno, Odemir Martinezhttp://lattes.cnpq.br/47969219134343708d2b0cf5-66d2-452c-990f-83cf011935a82022-09-30T19:04:22Z2022-09-30T19:04:22Z2022-09-23SOUZA, Carlos Eduardo de. Classificação não supervisionada para autômato celular elementar do Wolfram. 2022. Trabalho de Conclusão de Curso (Graduação em Engenharia Física) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16759.https://repositorio.ufscar.br/handle/ufscar/16759Cellular Automata are gaining ground in many research areas such as biology, physics and chemistry. But as more parameters are added, it becomes impossible to find features that may be interesting for a particular application. This work has objective by unsupervised machine learning methods like texture descriptors and convolutional autoencoder to determine which Elementary Cellular Automaton rules belong to the classes determined by Wolfram. To do unsupervised learning, histograms were generated with the Local Binary Pattern Variance (LBPV) and the Convolutional Autoencoder, then using the histograms in the K-Means model to analyze whether the model is able to separate the data into four clusters according to the classification proposed by Woflram. In the end, it was observed that both methods did not were able to perform such classification, and the LBPV showed the closest results.Os Autómatos Celulares estão ganhando espaço em muitas áreas de pesquisas como biologia, física e química. Porém conforme são adicionados mais parâmetros, começa a ficar impossível encontrar características que possam ser interessantes para determinada aplicação. Esse trabalho tem como objetivo por métodos de aprendizado de máquina não supervisionado como descritores de textura e autoencoder convolucional determinar quais regras do Autómato Celular Elementar pertencem às classes determinadas por Wolfram. Para fazer o aprendizado não supervisionado, foi gerado histogramas com o Local Binary Pattern Variance (LBPV) e o Autoencoder Convolucional, então utilizado os histogramas no modelo K-Means analisar se o modelo é capaz de separar os dados em quatro cluster de acordo com a classificação proposta por Woflram. No final observou-se que ambos os métodos não foram capaz de realizar tal classificação, sendo que o LBPV apresentou resultados mais próximos.porUniversidade Federal de São CarlosCâmpus São CarlosEngenharia Física - EFiUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessAutômato celularWolframAprendizado de máquinaCIENCIAS EXATAS E DA TERRA::FISICAClassificação não supervisionada para autômato celular elementar do WolframUnsupervised classification for elementary cellular automaton of the Wolframinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis6006002f4e1ff8-7638-4569-a4c0-98bcd9f6f4cereponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufscar.br/bitstream/ufscar/16759/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALTCC_Carlos_Eduardo_de_Souza.pdfTCC_Carlos_Eduardo_de_Souza.pdfapplication/pdf918597https://repositorio.ufscar.br/bitstream/ufscar/16759/1/TCC_Carlos_Eduardo_de_Souza.pdf8316fa960bf22d4a7ac78e8481ed0cf1MD51TEXTTCC_Carlos_Eduardo_de_Souza.pdf.txtTCC_Carlos_Eduardo_de_Souza.pdf.txtExtracted texttext/plain37361https://repositorio.ufscar.br/bitstream/ufscar/16759/3/TCC_Carlos_Eduardo_de_Souza.pdf.txta334822921e5e6f15cbc82804f170c26MD53THUMBNAILTCC_Carlos_Eduardo_de_Souza.pdf.jpgTCC_Carlos_Eduardo_de_Souza.pdf.jpgIM Thumbnailimage/jpeg5865https://repositorio.ufscar.br/bitstream/ufscar/16759/4/TCC_Carlos_Eduardo_de_Souza.pdf.jpg822c18bf90b662ee5b2ed8a5f28850a0MD54ufscar/167592023-09-18 18:32:29.99oai:repositorio.ufscar.br:ufscar/16759Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:32:29Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Classificação não supervisionada para autômato celular elementar do Wolfram |
dc.title.alternative.eng.fl_str_mv |
Unsupervised classification for elementary cellular automaton of the Wolfram |
title |
Classificação não supervisionada para autômato celular elementar do Wolfram |
spellingShingle |
Classificação não supervisionada para autômato celular elementar do Wolfram Souza, Carlos Eduardo de Autômato celular Wolfram Aprendizado de máquina CIENCIAS EXATAS E DA TERRA::FISICA |
title_short |
Classificação não supervisionada para autômato celular elementar do Wolfram |
title_full |
Classificação não supervisionada para autômato celular elementar do Wolfram |
title_fullStr |
Classificação não supervisionada para autômato celular elementar do Wolfram |
title_full_unstemmed |
Classificação não supervisionada para autômato celular elementar do Wolfram |
title_sort |
Classificação não supervisionada para autômato celular elementar do Wolfram |
author |
Souza, Carlos Eduardo de |
author_facet |
Souza, Carlos Eduardo de |
author_role |
author |
dc.contributor.author.fl_str_mv |
Souza, Carlos Eduardo de |
dc.contributor.advisor1.fl_str_mv |
Bruno, Odemir Martinez |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4796921913434370 |
dc.contributor.authorID.fl_str_mv |
8d2b0cf5-66d2-452c-990f-83cf011935a8 |
contributor_str_mv |
Bruno, Odemir Martinez |
dc.subject.por.fl_str_mv |
Autômato celular Wolfram Aprendizado de máquina |
topic |
Autômato celular Wolfram Aprendizado de máquina CIENCIAS EXATAS E DA TERRA::FISICA |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::FISICA |
description |
Cellular Automata are gaining ground in many research areas such as biology, physics and chemistry. But as more parameters are added, it becomes impossible to find features that may be interesting for a particular application. This work has objective by unsupervised machine learning methods like texture descriptors and convolutional autoencoder to determine which Elementary Cellular Automaton rules belong to the classes determined by Wolfram. To do unsupervised learning, histograms were generated with the Local Binary Pattern Variance (LBPV) and the Convolutional Autoencoder, then using the histograms in the K-Means model to analyze whether the model is able to separate the data into four clusters according to the classification proposed by Woflram. In the end, it was observed that both methods did not were able to perform such classification, and the LBPV showed the closest results. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-09-30T19:04:22Z |
dc.date.available.fl_str_mv |
2022-09-30T19:04:22Z |
dc.date.issued.fl_str_mv |
2022-09-23 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SOUZA, Carlos Eduardo de. Classificação não supervisionada para autômato celular elementar do Wolfram. 2022. Trabalho de Conclusão de Curso (Graduação em Engenharia Física) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16759. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/16759 |
identifier_str_mv |
SOUZA, Carlos Eduardo de. Classificação não supervisionada para autômato celular elementar do Wolfram. 2022. Trabalho de Conclusão de Curso (Graduação em Engenharia Física) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16759. |
url |
https://repositorio.ufscar.br/handle/ufscar/16759 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
600 600 |
dc.relation.authority.fl_str_mv |
2f4e1ff8-7638-4569-a4c0-98bcd9f6f4ce |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos Engenharia Física - EFi |
dc.publisher.initials.fl_str_mv |
UFSCar |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos Engenharia Física - EFi |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/16759/2/license_rdf https://repositorio.ufscar.br/bitstream/ufscar/16759/1/TCC_Carlos_Eduardo_de_Souza.pdf https://repositorio.ufscar.br/bitstream/ufscar/16759/3/TCC_Carlos_Eduardo_de_Souza.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/16759/4/TCC_Carlos_Eduardo_de_Souza.pdf.jpg |
bitstream.checksum.fl_str_mv |
e39d27027a6cc9cb039ad269a5db8e34 8316fa960bf22d4a7ac78e8481ed0cf1 a334822921e5e6f15cbc82804f170c26 822c18bf90b662ee5b2ed8a5f28850a0 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136412423716864 |