Arquivo completo com todo o volume dos Anais - Departamento de ...

More documents

Recommendations

Info

na camada de entrada e os valores produzidos são propagados até a camada de saída. Asequações utilizadas neste tipo de processamento são chamadas equações feedforward. Aequação 5 faz este tipo de cálculo,onde x k−1is (k)j= w (k) ∑N k0j +i=1w (k)ij× x k−1i , (5)representa a saída da função de ativação do neurônio i da camada k; s (k)jrepresenta os pesos das conexõesé a soma ponderada dos pesos pelas entradas; w (k)ijsinápticas na entrada do neurônio j da camada k na i-ésima conexão; N k é o número deneurônios da camada k; e x (k)jrepresenta o valor do bias.= f(s (k)j) obtém a saída do neurônio j da camada k; w (k)0jO bias é uma entrada adicional que pode ser acrescentada ao neurônio artificial,não proveniente de nenhum outro neurônio, e de valor de entrada fixado em 1. Seu pesode conexão é ajustável pelo aprendizado como qualquer outro peso de conexão. O uso dobias no modelo provê meios de transladar o valor de limiar da função de transferência.Para o treinamento da rede, ao se apresentar um padrão de entrada, o fluxo éalimentado pra frente, camada por camada. O valor de saída obtido é comparado coma saída desejada, e em caso de erro ocorre um reajuste dos pesos da rede. Este ajuste érealizado de trás para frente, ou seja, da camada de saída à primeira camada oculta. Oalgoritmo de retropropagação é apresentado no abaixo:1. Inicialize os pesos w (k)ij da rede com valores aleatórios próximos a zero;2. Seja (x, d) o par de treinamento, aplique o vetor x na camada de entrada e propaguea rede até a camada de saída. Seja y a saída da rede, calcule o erro quadráticoε 2 = ∑ mj=1 (d j − y j ) 2 . Se for inferior ao valor de tolerância, pare com sucesso,senão prossiga;3. Faça k ← última camada;4. Para todo elemento j da camada k faça:• Calcule ε (k)j empregando ε (k)j = (d j − y j ) se k for a última camada ouε (k)j = ∑ N k+1i=1 (δ (k+1i × w (k+1)ji ) se k for uma camada oculta;• Calcule δ (k)j = ε (k)j × f ′ (s (k)j ).5. k ← k − 1. Se k > 0 vá para o passo 4, senão prossiga para o passo 6;6. Recalcule todos os pesos de conexão da rede: W (k)j (n + 1) = W (k)j (n) +2µδ (k)j (n) × x (k)j (n), onde µ é a taxa de aprendizagem da rede e n significa aiteração corrente . Tome outro par de treinamento e retorne ao passo 2.Para a implementação do algoritmo de retropropagação existe a necessidade docálculo da derivada da função de transferência no passo 4. Este cálculo pode ser realizadocom maior eficiência computacional quando a função de transferência for alguma funçãologística [Fausett 1994]. Deste modo, a derivada foi obtida por f ′ (x) = f(x)×(1−f(x)),e a função logística apresentada abaixo foi utilizada como função de transferênciaf(x) =1. (6)1 − e−x
5. Operacionalidade do protótipo e resultadosO protótipo foi implementado em C++, no ambiente de desenvolvimento Microsoft VisualStudio. Sua tela inicial é exibida na figura 6a. O primeiro passo necessário para asua utilização na inspeção de produtos é a definição e configuração das análises a seremconsideradas na inspeção.Figura 6. a)Tela principal; b) Tela de definição de subquadrosA tela exibida na figura 6b é utilizada para configuração da análise de forma.Devem ser informados os parâmetros utilizados na criação da rede neural, bem como olocal onde se encontram os padrões a serem utilizados no seu treinamento. Além disso,o usuário deve informar a quantidade de descritores a serem utilizados e os tipos de invariânciaa serem mantidos. Definidos estes parâmetros, deve ser realizado o treinamentoda rede neural para que a análise seja preparada para uso. Após a configuração da análise,o protótipo encontra-se pronto para inspecionar imagens de produtos. Para isso, bastacarregar as imagens e efetuar as análises. Os resultados são exibidos na lista de saída.Dois casos de teste foram utilizados para verificar o cumprimento dos requisitospara o protótipo proposto, cada um deles refere-se à inspeção de um tipo de produtopara a distinção entre as classes de produtos aprovados e reprovados, contendo diferentesparticularidades a serem analisadas. Para a captura das imagens dos produtos, foi usadoum sistema composto por câmera de vídeo, placa de aquisição, lentes, dispositivos deiluminação e um computador. O tamanho da imagem capturada pela placa de aquisição éde 640 por 480 pixels.No primeiro caso de teste, foi utilizado como objetode análise um frasco empregado como embalagemde produtos para limpeza. Esta embalagem foi escolhidapor ser composta por várias peças, cuja montagem deveser inspecionada para a identificação de possíveis problemas.Foram definidos os seguintes itens como sendopotenciais pontos de defeito, e, portanto, de análise necessáriana fase de inspeção deste produto: presença ecorreta posição do bico; presença e correta posição dogatilho; e alinhamento, presença e correta posição dosistema de borrifo. A figura 7 mostra a imagem de umproduto considerado aprovado.Figura 7. Amostra deproduto aprovado
Page 2: Ficha Catalográfica Elaborada pela
Page 6 and 7: Um RPG Educacional Computadorizado
Page 9 and 10: Utilizando o 3D Studio Max como Lev
Page 11 and 12: Entretanto, para se produzir um cen
Page 13 and 14: Figura 4: Exemplo de XML gerado pel
Page 15 and 16: Posteriormente, é feita a seleçã
Page 17: Opal. (2006). Disponível em:http:/
Page 20 and 21: as informações espaciais, como po
Page 22 and 23: (a)(b)Figura 1. (a) Formato e limit
Page 24 and 25: Figura 4. Configurações do sistem
Page 26 and 27: em tempo real. A ferramenta mostrou
Page 28 and 29: automatic detection of human faces
Page 30 and 31: industrial, porém, é comum que se
Page 32 and 33: a técnica de rotulação de compon
Page 34 and 35: artificial, cujos principais elemen
Page 38 and 39: A figura 8 exibe imagens de produto
Page 40 and 41: por redes neurais permitiu o desenv
Page 42 and 43: com orientação a objeto, com os e
Page 44 and 45: Quadro 2: Exemplo de programa AOPDe
Page 46 and 47: Figura 1: Diagrama de atividades da
Page 48 and 49: units adicionadas à fila para sere
Page 50 and 51: Quadro 3: Aspecto de autenticação
Page 54 and 55: O objetivo deste artigo é apresent
Page 57 and 58: 4.1. Especificação do softwarePar
Page 59 and 60: modelo de qualidade, através de um
Page 61 and 62: Durante a execução da avaliação
Page 63 and 64: atividades proposta na norma NBR IS
Page 65 and 66: Delphi2Java-II: ferramenta para con
Page 67 and 68: a) a conversão de formulários Del
Page 69 and 70: pode ser descrita usando a notaçã
Page 71 and 72: O primeiro passo para realizar a co
Page 73: ReferênciasCESAR, R. Java X .NET:
Page 76 and 77: 2. Informática e EducaçãoNo iní
Page 78 and 79: mais conhecida. Portanto, tal prop
Page 80 and 81: Estas são as relações entre ente
Page 82 and 83: vídeos educativos de alta qualidad
Page 84 and 85: problema de natureza técnica. Uma
Page 86 and 87:
personagens. Zucchi (2000) descreve
Page 88 and 89:
eino de elfos e Iorlas - reino de m
Page 90 and 91:
habilidades poderão ser configurad
Page 92 and 93:
esse passe a ter sentido, sendo int
Page 94 and 95:
Figura 7: Inscrição na placa desc
Page 96 and 97:
Braga, A. S., (2004). Design de int
Page 98 and 99:
didáticos, apenas alguns de cada d
Page 100 and 101:
visão em primeira pessoa, não abo
Page 102 and 103:
Figura 1. Ambiente principal - agru
Page 104 and 105:
Figura 4. Mapa de localização em
Page 106 and 107:
Braga, M. (2001). Realidade virtual
Page 109 and 110:
Uma Experiência de Ensino-Aprendiz
Page 111 and 112:
Antes desta nova abordagem, a disci
Page 113 and 114:
habilidade de produção de um text
Page 115 and 116:
critérios que devem ser observados
Page 117 and 118:
mais produtivos e menos burocrátic
Page 119 and 120:
Uma Abordagem Inspirada em Insetos
Page 121 and 122:
e controle militar. Por essas capac
Page 123 and 124:
4. ExperimentosO processo de simula
Page 125 and 126:
Área da Interseção =(ÁreadoSeto
Page 127 and 128:
sensores aos critérios arbitrados
Page 129 and 130:
6 DiscussãoNa Figura 6, os gráfic
Page 131 and 132:
Evolução do Caminhar de Robôs M
Page 133 and 134:
um robô de quatro pernas (tetrapod
Page 135 and 136:
que os endpoints (“pés”, “pa
Page 137 and 138:
calculadas através das equações:
Page 139 and 140:
passo chamado de “Trote” (duas
Page 141 and 142:
Em relação ao tipo de passo, o
Page 143 and 144:
AS-MCOE: Tutor inteligente modelado
Page 145 and 146:
Figura 1. O jogo MCOE.de um agente
Page 147 and 148:
Existem algumas linguagens e ferram
Page 149 and 150:
6.1. Especificação dos atributos
Page 151 and 152:
Figura 3. O protótipo AS-MCOE.O tu
Page 153:
Cohen, P. and Levesque, H. J. (1987
Page 156 and 157:
2. Sistemas Imunológicos (SI)O Sis
Page 158 and 159:
As principais características dest
Page 160 and 161:
A Figura 1 mostra a tabela de pagam
Page 162 and 163:
Comparação de desempenho para a f
Page 165 and 166:
AstroFácil: Sistema Computacional
Page 167 and 168:
O projeto do manete, foco deste art
Page 169 and 170:
líquido (LCD - Liquid Cristal Disp
Page 171 and 172:
Figura 4. Diagrama esquemático do
Page 173 and 174:
5. Implementação e Validação F
Page 175 and 176:
Tabela 3. Comparativo de caracterí
Page 177 and 178:
Aplicativo Controlador de Potência
Page 179 and 180:
Quaisquer traçados que se queiram
Page 181 and 182:
3.2. Funcionamento do UFO aplicativ
Page 183 and 184:
Figura 8. Receptor Ashtech Z-12Figu
Page 185 and 186:
A segunda tela (figura 12), intitul
Page 187:
FAA (1984), Criteria for Approval o
Page 190 and 191:
Este artigo explora redes altamente
Page 192 and 193:
5.1. TopologiaOs cenários de anál
Page 194 and 195:
Para N=500 (figura 4), temos o núm
Page 196 and 197:
Como complemento das simulações a
Page 198 and 199:
Complementando a simulação anteri
Page 200 and 201:
Viswanath, V., e Obraczka, K., “I
Page 202 and 203:
2. Problemas AbordadosNesta seção
Page 204 and 205:
Figura 1. Arquitetura do ModeloA pr
Page 206 and 207:
ealizou o gerenciamento entre as da
Page 208 and 209:
Aiex, R., Binato, S., and Resende,
Page 210 and 211:
caracterização de alguns projetos
Page 212 and 213:
Interface Web1Gerenciador8Meteorolo
Page 214 and 215:
Figura 5. Tela de cadastro de requi
Page 216 and 217:
execução das requisições dos us
Page 218 and 219:
Já os testes ao acesso ao sistema
Page 220 and 221:
ReferênciasBoczko, R. (1984) “Co
Page 222 and 223:
Por exemplo:2100 = 2 2 × 3 1 × 5
Page 224 and 225:
para codificar a mensagem, que só
Page 226 and 227:
./goedel -s chave.txt < original.tx
Page 228:
Rivest, R., Shamir, A., and Adleman
show all

Arquivo completo com todo o volume dos Anais - Departamento de ...

Create successful ePaper yourself

Delete template?

Save as template?