dc.creator |
VERMAAS, Luiz Lenarth Gabriel |
|
dc.date.issued |
2010-12-15 |
|
dc.identifier.citation |
VERMAAS, Luiz Lenarth Gabriel. Aprendizado supervisionado de sistemas de inferência fuzzy aplicados em veículos inteligentes. 2010.117 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Itajubá, Itajubá, 2010. |
pt_BR |
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1335 |
|
dc.description.abstract |
Esta tese trata do desenvolvimento de um algoritmo para aprendizado supervisionado capaz de extrair conhecimentos provenientes de tarefas de manobras veiculares realizadas por um motorista humano. Como o objetivo final e determinar o conhecimento do motorista de forma compreensível, este será representado por Sistema de Inferência Fuzzy (FIS) baseado no modelo Mamdani, por representar o problema de forma simples por meio da linguagem natural humana. O desenvolvimento de tal sistema e, na verdade, um problema de otimização inteira mista, onde se deseja mapear o relacionamento entre as entradas provenientes do sistema de aquisição de dados do veículo com as respostas fornecidas por um humano. A geração deste Sistema Fuzzy implica na geração de uma estrutura de regras fuzzy e funções de pertinência que representem adequadamente o conjunto de exemplos de treinamento. Assim, o problema e dividido em duas partes: uma responsável pelo aprendizado das regras e a outra responsável pela otimização das funções de pertinência. A implementação do algoritmo para solucionar este problema, aplica os conceitos de Sistema Imunológico Artificial baseado em Gradiente (GbAIS) com duas populações distintas de anticorpos: uma para aprendizagem da estrutura de regras e outra para otimização das funções de pertinência. Por meio do processo de coevolução das duas populações e possível: trocar informações entre elas, uma vez que as mesmas são interdependentes; evitar o surgimento de ótimos locais; e aumentar o fitness do sistema gerado. Para validar esta proposta, o FIS gerado e utilizado em uma aplicação de veículos inteligentes. O algoritmo foi testado inicialmente em um ambiente de simulação 3D e posteriormente em um veículo de passeio real. Os resultados obtidos para o problema de estacionamento em vaga paralela e navegação em um circuito com waypoints comprovaram a eficácia do algoritmo proposto. As principais contribuições desta tese são: 1) a utilização de técnicas de aprendizado supervisionado para geração automática de sistemas de controle de alto nível em veículos inteligentes, por ser um tema pouco pesquisado neste tipo de aplicação; 2) a proposta da Tabela de Regras Potencias (TRP) para pré-seleção de regras candidatas, conduzindo a redução do espaço de busca; e 3) a aplicação de CGbAIS, uma nova técnica baseada em população. |
pt_BR |
dc.language.iso |
pt_BR |
pt_BR |
dc.title |
Aprendizado supervisionado de sistemas de inferência fuzzy aplicados em veículos inteligentes. |
pt_BR |
dc.type |
Tese |
pt_BR |
dc.place |
Itajubá |
pt_BR |
dc.pages |
117 p. |
pt_BR |
dc.keywords.portuguese |
Aprendizado supervisionado |
pt_BR |
dc.keywords.portuguese |
Veículos inteligentes |
pt_BR |
dc.keywords.portuguese |
Sistema Fuzzy |
pt_BR |
dc.keywords.portuguese |
Sistema Imunológico Artificial |
pt_BR |
dc.orientador.principal |
HONÓRIO, Leonardo de Mello |
|
dc.orientador.coorientador |
SOUZA, Luiz Edival de |
|
dc.place.presentation |
Universidade Federal de Itajubá |
pt_BR |
dc.pg.programa |
Engenharia Elétrica |
pt_BR |
dc.pg.area |
Automação e Sistemas Elétricos Industriais |
pt_BR |
dc.date.available |
2018-06-08T12:48:19Z |
|
dc.date.accessioned |
2018-06-08T12:48:19Z |
|
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
|
dc.publisher.program |
Programa de Pós-Graduação: Doutorado - Engenharia Elétrica |
|