Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/22563
Title: Implementação e aplicação de algoritmos de aprendizado em um sistema neuro-simbólico
Authors: Silva, André Quintiliano Bezerra
Keywords: Neuro-simbólico;Sistemas híbrido;Rede neural
Issue Date: 14-Feb-2017
Citation: SILVA, André Quintiliano Bezerra. Implementação e aplicação de algoritmos de aprendizado em um sistema neuro-simbólico. 2017. 89f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2017.
Portuguese Abstract: 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.
Abstract: One of the main goals of artificial intelligence is the creation of agents with humanlike intelligence. This has been researched using various approaches, and among the most prominent for machine learning are logic-based symbolic systems and artificial neural networks. Until the last decade, both approaches have progressed independently, but progress in both areas has led researchers to investigate ways to integrate both approaches. Several models that provide hybrid or integrated integration of these approaches emerged in the 1990s, and continue to be used to this day. This work has as main objective the implementation and use of the Neural-Symbolic conversion algorithm of Knowledge-Based Artificial Neural Networks (KBANN), the system has the ability to map a specific theoretical domain of rules (if-then) into a neural network, and refine the network using learning techniques. In addition, since the algorithm created by (Towell et al., 1990) does not have the capacity to acquire new knowledge and introduce them to the neural network, the algorithm TopGen (Optiz and Shavlik, 1995) will be used to add The network without losing the original knowledge acquired. The work used a board game to conduct experiments due to the well established rules of the game. The implemented system obtained interesting results, even with the initial rule domain perturbation (with the exclusion of them), obtaining an accuracy rate close to 100 %. Therefore, from the obtained results it was possible to conclude that the hybrid systems are able to overlap to adverse situations which were carried out the analyzes proposed in this research.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/22563
Appears in Collections:PPGEE - Mestrado em Engenharia Elétrica e de Computação

Files in This Item:
File Description SizeFormat 
AndreQuintilianoBezerraSilva_DISSERT.pdf6,26 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.