Implementação e aplicação de algoritmos de aprendizado em um sistema neuro-simbólico

• Autor(a) principal: Silva, André Quintiliano Bezerra
• Data de Publicação: 2017
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/22563
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA E DE COMPUTAÇÃO; Neuro-simbólico; Sistemas híbrido; Rede neural

Um dos principais objetivos da inteligência artificial é a criação de agentes inspirados na inteligência humana. Isso vem sendo pesquisado utilizando várias abordagens, e entre as mais promissoras para o aprendizado de máquinas estão os sistemas simbólicos baseados na lógica e as redes neurais artificiais. Até a última década, ambas as abordagens progrediam de forma independente, mas os progressos obtidos em ambas as áreas fizeram com que os pesquisadores começassem a investigar maneiras de integrar as duas técnicas. Diversos modelos que proporcionam a integração híbrida ou integrada desses métodos inteligentes surgiram na década de 90 e continuam sendo utilizadas e melhoradas até hoje. Esse trabalho tem como objetivo principal a implementação e uso do algoritmo de conversão neuro-simbólica do sistema híbrido Knowledge-Based Artificial Neural Networks (KBANN). O sistema possui a capacidade de mapear um domínio teórico específico de regras (se-então) em uma rede neural e refinar a rede utilizando técnicas de aprendizado. Além disso, como o algoritmo criado por Towell et al. (1990) não possui a capacidade de adquirir novos conhecimentos sem distorcer o que já foi aprendido, utilizou-se o algoritmo TopGen (Optiz e Shavlik, 1995) para adicionar tal capacidade a rede. O trabalho utilizou um jogo de tabuleiro para realizar experimentos devido a quantidade e o conhecimento existente sobre as regras do jogo. O sistema implementado obteve resultados interessantes, mesmo com a pertubação do domínio inicial de regras (com a exclusão parcial), obtendo uma taxa de acerto próxima a 100%. Portanto, a partir dos resultados obtidos foi possível concluir que o sistema híbrido é capaz de se sobrepor a situações adversas a qual foi submetido nessa pesquisa.