Desenvolvimento de controlador baseado em aprendizado emocional profundo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
dARK ID: | ark:/64986/0013000006824 |
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/123456789/41427ark:/64986/0013000006824Os 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 |
dc.identifier.dark.fl_str_mv |
ark:/64986/0013000006824 |
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. ark:/64986/0013000006824 |
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_ |
1815172737573847040 |