Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional

Detalhes bibliográficos
Autor(a) principal: Pereira, Rodolfo Lottin
Data de Publicação: 2017
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/182196
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
id UFSC_3c9f71b7f62e0824c1af03adb03bedb0
oai_identifier_str oai:repositorio.ufsc.br:123456789/182196
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacionalInteligência ArtificialAprendizagem de MáquinaAprendizagem por ReforçoRedes BayesianasTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.Redes Bayesianas são modelos gráficos para raciocinar e representar um conhecimento sobre um meio incerto. Seus nós representam as variáveis, discretas ou contínuas, e os arcos são conexões diretas entre elas. São aplicáveis em diversos tipos de problemas, como: diagnósticos de doenças, aquisição de conhecimento em sistemas especialistas e até relações de causas em no disparo de um alarme. Tendo uma forte ligação com as redes neurais artificiais está o surgimento da área denominada aprendizagem de máquina, trazendo consigo novas pesquisas em métodos de aprendizagem automática: por exemplos, indução, reconhecimento de padrões, similaridade ou por reforço. Esses métodos podem ser aplicados em previsão de caracteres manuscritos, preços de casas, significados de palavras, assim como na aprendizagem de redes bayesianas. A enorme quantidade de acidentes que acontecem com pedestres trafegando próximos de vias urbanas está associada ao uso excessivo de dispositivos móveis, por acarretar na falta de consciência em relação ao meio. Tendo isso em mente, o projeto ``Road Awareness'' propõe um modelo de consciência situacional de usuários de smartphones próximo a vias urbanas, a fim de contruibuir com a diminuição da incidência desses acontecimentos. Com o objetivo de contribuir com o projeto, foi implementado e aplicado um algoritmo de aprendizagem por reforço na aprendizagem dos parâmetros do modelo em questão, a rede Bayesiana. O modelo foi implementado e testado, concluindo-se que o mesmo serve como uma maneira de se aplicar o reforço em um sistema especialista.Bayesian networks are graphical models to reason and represent a knowledge about an uncertain environment. Their nodes represent as variables, discrete or continuous, and the arcs are direct connections between them. They are applicable in in several problems, such as: diagnoses of diseases, acquisition of knowledge in expert systems and even causes relationships in the triggering of an alarm. The emergence of the area known as machine learning is strongly linked to advances in artificial neural networks, bringing new research into automatic learning methods, such as: induction, pattern recognition, similarity, or reinforcement. These methods can be applied in prediction of handwritten characters, house prices, word meanings, as well as in learning of Bayesian networks. The huge amount of accidents that occur with pedestrians traveling near urban roads is associated with the excessive use of mobile devices, as it causes a lack of awareness of the environment. With this in mind, the Road Awareness project proposes a situational awareness model of smartphone users near urban roads, to build up with the decrease in the incidence of these events. To contribute to the project, an algorithm of reinforcement learning was implemented and applied in the parameter learning of the present model, a Bayesian network. The model was implemented and tested, concluding that it serves as a way to apply the reinforcement in a specialized system.Florianópolis, SCSantos, Elder RizzonUniversidade Federal de Santa CatarinaPereira, Rodolfo Lottin2017-12-13T20:38:29Z2017-12-13T20:38:29Z2017-11-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis121 f.application/pdfhttps://repositorio.ufsc.br/xmlui/handle/123456789/182196porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2017-12-13T20:38:29Zoai:repositorio.ufsc.br:123456789/182196Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732017-12-13T20:38:29Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
title Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
spellingShingle Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
Pereira, Rodolfo Lottin
Inteligência Artificial
Aprendizagem de Máquina
Aprendizagem por Reforço
Redes Bayesianas
title_short Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
title_full Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
title_fullStr Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
title_full_unstemmed Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
title_sort Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional
author Pereira, Rodolfo Lottin
author_facet Pereira, Rodolfo Lottin
author_role author
dc.contributor.none.fl_str_mv Santos, Elder Rizzon
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Pereira, Rodolfo Lottin
dc.subject.por.fl_str_mv Inteligência Artificial
Aprendizagem de Máquina
Aprendizagem por Reforço
Redes Bayesianas
topic Inteligência Artificial
Aprendizagem de Máquina
Aprendizagem por Reforço
Redes Bayesianas
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
publishDate 2017
dc.date.none.fl_str_mv 2017-12-13T20:38:29Z
2017-12-13T20:38:29Z
2017-11-17
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/xmlui/handle/123456789/182196
url https://repositorio.ufsc.br/xmlui/handle/123456789/182196
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 121 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_ 1808652319701598208

Registros relacionados