Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional

Detalhes bibliográficos
Autor(a) principal: Sagaz, Marcio Manoel
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/228233
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
id UFSC_0516cda6947ae051662f40fa106613c8
oai_identifier_str oai:repositorio.ufsc.br:123456789/228233
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacionalRedes Neurais ArtificiaisRede BayesianaConsciência SituacionalArtificial Neural NetworksSituational AwarenessTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.Rede neural artificial é um modelo de processamento computacional baseado no modelo de funcionamento do neurônio biológico, essas redes têm a capacidade de aprendizagem através de exemplos e de generalização desse aprendizado. Elas são formadas por conjuntos de neurônios interligados, onde cada elemento chamado neurônio é definido matematicamente como sendo um conjunto de entradas que são multiplicadas por pesos para cada entrada, estas são integradas através de um somador que tem seu resultado enviado para a função de ativação ou função de transferência. A interligação desses neurônios artificiais propicia uma rede com processamento paralelo e não linear. Essas redes têm diversas aplicações como: detecção e reconhecimento de padrões, robótica, análise de imagens, classificação de dados, processamento de sinais. O uso de dispositivos móveis por pedestres em vias públicas tem ocasionado um elevado número de acidentes. O motivo é que o dispositivo causa ao pedestre uma falta de consciência sobre o tráfego urbano ao seu redor. Em uma tentativa de reduzir a problemática exposta relacionada aos dispositivos móveis, foi proposto no projeto “Road Awareness” um modelo de consciência situacional com usuários usando smartphones em vias urbanas. Somando-se a este esforço o trabalho de TCC “Aplicação de Aprendizagem por Reforço para um Modelo Bayesiano de Consciência” programou e aplicou um algoritmo de aprendizagem por reforço na aprendizagem dos parâmetros do modelo em questão, a rede Bayesiana. Com o objetivo de contribuir com o projeto de consciência situacional, este trabalho apresenta um modelo proposto em redes neurais artificiais para avaliar se este método comparado ao de redes bayesiana poderá melhorar a consciência situacional.Artificial neural networks are a model of computational processing based on the model of biological neuron functioning. These networks can learn through examples and generalization of this learning. They are formed by sets of interconnected neurons, where each element called neuron is defined mathematically as having a set of inputs that are multiplied by weights for each input; these are integrated through an adder that has its result sent to the activation function or transfer function. The interconnection of these artificial neurons provides a network with parallel and non-linear processing. These networks have several applications such as: pattern detection and recognition, robotics, image analysis, data classification, signal processing. The use of mobile devices by pedestrians on public roads has caused a high number of accidents. The reason is that the device causes the pedestrian a lack of awareness about the urban traffic around them. In an attempt to reduce the exposure problematic related to mobile devices, a model of situational awareness with users using smartphones on urban roads was proposed in the "Road Awareness" project. In addition to this effort, the TCC study “Aplicação de Aprendizagem por Reforço para um Modelo Bayesiano de Consciência” programmed and applied a learning algorithm for reinforcement in learning the parameters of the model in question, the Bayesian network. In order to contribute to the situational awareness project this work will implement a proposed model in artificial neural networks to evaluate if this method compared to Bayesian Networks can improve the situational awareness.Florianópolis, SCSantos, Elder RizzonUniversidade Federal de Santa CatarinaSagaz, Marcio Manoel2021-09-28T00:40:53Z2021-09-28T00:40:53Z2021-09-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis112 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/228233info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2021-09-28T00:40:53Zoai:repositorio.ufsc.br:123456789/228233Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-09-28T00:40:53Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
title Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
spellingShingle Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
Sagaz, Marcio Manoel
Redes Neurais Artificiais
Rede Bayesiana
Consciência Situacional
Artificial Neural Networks
Situational Awareness
title_short Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
title_full Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
title_fullStr Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
title_full_unstemmed Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
title_sort Estudo comparativo entre modelos em redes neurais e modelo bayesiano para consciência situacional
author Sagaz, Marcio Manoel
author_facet Sagaz, Marcio Manoel
author_role author
dc.contributor.none.fl_str_mv Santos, Elder Rizzon
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Sagaz, Marcio Manoel
dc.subject.por.fl_str_mv Redes Neurais Artificiais
Rede Bayesiana
Consciência Situacional
Artificial Neural Networks
Situational Awareness
topic Redes Neurais Artificiais
Rede Bayesiana
Consciência Situacional
Artificial Neural Networks
Situational Awareness
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
publishDate 2021
dc.date.none.fl_str_mv 2021-09-28T00:40:53Z
2021-09-28T00:40:53Z
2021-09-09
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.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/228233
url https://repositorio.ufsc.br/handle/123456789/228233
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 112 f.
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652351148392448

Registros relacionados