Desenvolvimento de controlador baseado em aprendizado emocional profundo

Detalhes bibliográficos
Autor(a) principal: SILVA, Jeydson Lopes da
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPE
Texto Completo: https://repositorio.ufpe.br/handle/123456789/41427
Resumo: Os controladores biologicamente inspirados demonstram grande êxito em diversas aplicações, principalmente em situações que apresentam perturbações e incertezas nas dinâmicas do sistema. Nos últimos tempos, surgiram diversos trabalhos concernentes à área do aprendizado do cérebro humano, permitindo assim o surgimento de novas teorias e aplicações na engenharia de controle. Nesse âmbito, controladores baseados no aprendizado emocional que ocorre no cérebro humano são capazes de oferecer novos recursos e resultados satisfatórios em termos da dinâmica de resposta de controle. Este tipo de controlador é associado a capacidade de reação dos seres humanos aos estímulos sensoriais externos e ao consequente dilema entre a decisão baseada na emoção ou razão. Todavia, a concepção e o comissionamento deste tipo de controlador ainda representam um grande desafio para os pesquisadores, uma vez que é necessário a determinação de alguns sinais característicos a este sistema (estímulos), os quais podem variar de aplicação para aplicação. Portanto, a utilização de novas ferramentas matemáticas e computacionais podem oferecer os recursos necessários para a melhora de desempenho deste seguimento de controlador. Nesse sentido, o presente trabalho propõe a utilização de algoritmos baseados em aprendizado por reforço, associados aos recentes avanços na área do aprendizado profundo das redes neurais, tendo por objetivo a elaboração de novas arquiteturas que permitam a este controlador atingir uma maior generalização em sua aplicação, bem como fornecer uma alternativa viável aos modelos tradicionais em uso. Além disso, é proposta uma metodologia para o desenvolvimento, comissionamento e uso final desta nova proposta de controlador emocional, destacando-se as ferramentas e recursos necessários a esta tarefa. Por fim, a partir de diversos resultados de simulações experimentais, bem como aplicação real, busca-se demonstrar a eficácia da proposta da união do controlador emocional e os recursos advindos da teoria do aprendizado por reforço profundo.
id UFPE_b6f5df4a0cae70ebb7db1e358cade600
oai_identifier_str oai:repositorio.ufpe.br:123456789/41427
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling SILVA, Jeydson Lopes dahttp://lattes.cnpq.br/5905080677240054http://lattes.cnpq.br/0731639653204720http://lattes.cnpq.br/8515798754882166AQUINO, Ronaldo Ribeiro Barbosa deFERREIRA, Aida Araújo2021-10-25T19:36:49Z2021-10-25T19:36:49Z2021-04-12SILVA, Jeydson Lopes da. Desenvolvimento de controlador baseado em aprendizado emocional profundo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/41427Os controladores biologicamente inspirados demonstram grande êxito em diversas aplicações, principalmente em situações que apresentam perturbações e incertezas nas dinâmicas do sistema. Nos últimos tempos, surgiram diversos trabalhos concernentes à área do aprendizado do cérebro humano, permitindo assim o surgimento de novas teorias e aplicações na engenharia de controle. Nesse âmbito, controladores baseados no aprendizado emocional que ocorre no cérebro humano são capazes de oferecer novos recursos e resultados satisfatórios em termos da dinâmica de resposta de controle. Este tipo de controlador é associado a capacidade de reação dos seres humanos aos estímulos sensoriais externos e ao consequente dilema entre a decisão baseada na emoção ou razão. Todavia, a concepção e o comissionamento deste tipo de controlador ainda representam um grande desafio para os pesquisadores, uma vez que é necessário a determinação de alguns sinais característicos a este sistema (estímulos), os quais podem variar de aplicação para aplicação. Portanto, a utilização de novas ferramentas matemáticas e computacionais podem oferecer os recursos necessários para a melhora de desempenho deste seguimento de controlador. Nesse sentido, o presente trabalho propõe a utilização de algoritmos baseados em aprendizado por reforço, associados aos recentes avanços na área do aprendizado profundo das redes neurais, tendo por objetivo a elaboração de novas arquiteturas que permitam a este controlador atingir uma maior generalização em sua aplicação, bem como fornecer uma alternativa viável aos modelos tradicionais em uso. Além disso, é proposta uma metodologia para o desenvolvimento, comissionamento e uso final desta nova proposta de controlador emocional, destacando-se as ferramentas e recursos necessários a esta tarefa. Por fim, a partir de diversos resultados de simulações experimentais, bem como aplicação real, busca-se demonstrar a eficácia da proposta da união do controlador emocional e os recursos advindos da teoria do aprendizado por reforço profundo.CAPESBiologically inspired controllers demonstrate great success in several applications, mainly in situations that present disturbances and uncertainties in the system dynamics. In recent times, several works have appeared in the area of learning the human brain thus allowing the emergence of new theories and applications in control engineering. In this context, controllers based on the emotional learning that takes place in the human brain are able to offer new resources and satisfactory results in terms of the control response dynamics. This type of controller is associated with the ability of human beings to react to external sensory stimuli and the consequent dilemma between the decision based on emotion or reason. However, the design and commissioning of this type of controller still represents a great challenge for researchers, since it is necessary to determine some characteristic signals to this system (stimuli), which can vary from application to application. Therefore, new mathematical and computational tools can offer the necessary resources to improve the performance of this controller segment. In this case, present work proposes the use of reinforcement learning-based algorithms, associated with recent advances in the area of deep learning of neural networks, aiming at the development of new architectures that allow this controller to achieve greater generalization in its application, as well as providing a viable alternative to traditional models in use. In addition, a methodology is proposed for the development, commissioning and end use of this new proposal for an emotional controller, highlighting the tools and resources needed for this task. Finally, from various results of experimental simulations, as well as real application, we seek to demonstrate the effectiveness of the proposal of the union of the emotional controller and the resources derived from the theory of learning by deep reinforcement.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia EletricaUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia ElétricaAprendizado por reforçoAprendizado profundoAprendizado emocionalControlador emocionalDesenvolvimento de controlador baseado em aprendizado emocional profundoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPECC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/41427/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALTESE Jeydson Lopes da Silva.pdfTESE Jeydson Lopes da Silva.pdfapplication/pdf4083635https://repositorio.ufpe.br/bitstream/123456789/41427/1/TESE%20Jeydson%20Lopes%20da%20Silva.pdfd6fba35e63e2ef9aaca6dd2ff11a73caMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/41427/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTTESE Jeydson Lopes da Silva.pdf.txtTESE Jeydson Lopes da Silva.pdf.txtExtracted texttext/plain404843https://repositorio.ufpe.br/bitstream/123456789/41427/4/TESE%20Jeydson%20Lopes%20da%20Silva.pdf.txt8a626bc1f78f01dd6db27eb96625b447MD54THUMBNAILTESE Jeydson Lopes da Silva.pdf.jpgTESE Jeydson Lopes da Silva.pdf.jpgGenerated Thumbnailimage/jpeg1227https://repositorio.ufpe.br/bitstream/123456789/41427/5/TESE%20Jeydson%20Lopes%20da%20Silva.pdf.jpg56d84bde153fa971853a8b6b7d3ad58dMD55123456789/414272021-10-26 02:08:22.938oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-10-26T05:08:22Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Desenvolvimento de controlador baseado em aprendizado emocional profundo
title Desenvolvimento de controlador baseado em aprendizado emocional profundo
spellingShingle Desenvolvimento de controlador baseado em aprendizado emocional profundo
SILVA, Jeydson Lopes da
Engenharia Elétrica
Aprendizado por reforço
Aprendizado profundo
Aprendizado emocional
Controlador emocional
title_short Desenvolvimento de controlador baseado em aprendizado emocional profundo
title_full Desenvolvimento de controlador baseado em aprendizado emocional profundo
title_fullStr Desenvolvimento de controlador baseado em aprendizado emocional profundo
title_full_unstemmed Desenvolvimento de controlador baseado em aprendizado emocional profundo
title_sort Desenvolvimento de controlador baseado em aprendizado emocional profundo
author SILVA, Jeydson Lopes da
author_facet SILVA, Jeydson Lopes da
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5905080677240054
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0731639653204720
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8515798754882166
dc.contributor.author.fl_str_mv SILVA, Jeydson Lopes da
dc.contributor.advisor1.fl_str_mv AQUINO, Ronaldo Ribeiro Barbosa de
dc.contributor.advisor-co1.fl_str_mv FERREIRA, Aida Araújo
contributor_str_mv AQUINO, Ronaldo Ribeiro Barbosa de
FERREIRA, Aida Araújo
dc.subject.por.fl_str_mv Engenharia Elétrica
Aprendizado por reforço
Aprendizado profundo
Aprendizado emocional
Controlador emocional
topic Engenharia Elétrica
Aprendizado por reforço
Aprendizado profundo
Aprendizado emocional
Controlador emocional
description Os controladores biologicamente inspirados demonstram grande êxito em diversas aplicações, principalmente em situações que apresentam perturbações e incertezas nas dinâmicas do sistema. Nos últimos tempos, surgiram diversos trabalhos concernentes à área do aprendizado do cérebro humano, permitindo assim o surgimento de novas teorias e aplicações na engenharia de controle. Nesse âmbito, controladores baseados no aprendizado emocional que ocorre no cérebro humano são capazes de oferecer novos recursos e resultados satisfatórios em termos da dinâmica de resposta de controle. Este tipo de controlador é associado a capacidade de reação dos seres humanos aos estímulos sensoriais externos e ao consequente dilema entre a decisão baseada na emoção ou razão. Todavia, a concepção e o comissionamento deste tipo de controlador ainda representam um grande desafio para os pesquisadores, uma vez que é necessário a determinação de alguns sinais característicos a este sistema (estímulos), os quais podem variar de aplicação para aplicação. Portanto, a utilização de novas ferramentas matemáticas e computacionais podem oferecer os recursos necessários para a melhora de desempenho deste seguimento de controlador. Nesse sentido, o presente trabalho propõe a utilização de algoritmos baseados em aprendizado por reforço, associados aos recentes avanços na área do aprendizado profundo das redes neurais, tendo por objetivo a elaboração de novas arquiteturas que permitam a este controlador atingir uma maior generalização em sua aplicação, bem como fornecer uma alternativa viável aos modelos tradicionais em uso. Além disso, é proposta uma metodologia para o desenvolvimento, comissionamento e uso final desta nova proposta de controlador emocional, destacando-se as ferramentas e recursos necessários a esta tarefa. Por fim, a partir de diversos resultados de simulações experimentais, bem como aplicação real, busca-se demonstrar a eficácia da proposta da união do controlador emocional e os recursos advindos da teoria do aprendizado por reforço profundo.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-10-25T19:36:49Z
dc.date.available.fl_str_mv 2021-10-25T19:36:49Z
dc.date.issued.fl_str_mv 2021-04-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SILVA, Jeydson Lopes da. Desenvolvimento de controlador baseado em aprendizado emocional profundo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/41427
identifier_str_mv SILVA, Jeydson Lopes da. Desenvolvimento de controlador baseado em aprendizado emocional profundo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021.
url https://repositorio.ufpe.br/handle/123456789/41427
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Engenharia Eletrica
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/41427/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/41427/1/TESE%20Jeydson%20Lopes%20da%20Silva.pdf
https://repositorio.ufpe.br/bitstream/123456789/41427/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/41427/4/TESE%20Jeydson%20Lopes%20da%20Silva.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/41427/5/TESE%20Jeydson%20Lopes%20da%20Silva.pdf.jpg
bitstream.checksum.fl_str_mv e39d27027a6cc9cb039ad269a5db8e34
d6fba35e63e2ef9aaca6dd2ff11a73ca
bd573a5ca8288eb7272482765f819534
8a626bc1f78f01dd6db27eb96625b447
56d84bde153fa971853a8b6b7d3ad58d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1802310645213822976