Predição de Dados Estruturados Utilizando a Formulação Perceptron com Aplicação em Planejamento de Caminhos
AUTOR(ES)
Maurício Archanjo Nunes Coelho
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
18/06/2010
RESUMO
O problema de planejamento de caminhos apresenta diversas subareas, muitas das quais ja extensamente abordadas na literatura. Uma dessas areas em especial e a de determina c~ao de caminhos, os algoritmos empregados para a soluc~ao deste problema dependem que os custos estipulados para os ambientes ou mapas sejam conaveis. A diculdade esta justamente na denic~ao dos custos referentes a cada tipo de area ou terreno nos mapas a serem examinados. Como se pode observar, o problema mencionado inclui a diculdade em se determinar qual o custo de cada caracterstica relevante presente no mapa, bem como os custos de suas possveis combinac~oes. A proposta deste trabalho e mostrar como e feita a predic~ao desses custos em novos ambientes tendo como base a predic~ao de dados estruturados denindo um aprendizado funcional entre domnios de entrada e sada, estruturados e arbitrarios. O problema de aprendizado em quest~ao e normalmente formulado como um problema de otimizac~ao convexa de maxima margem bastante similar a formulac~ao de maquinas de vetores suporte multi-classe. Como tecnica de soluc~ao realizou-se a implementac~ao do algoritmo MMP (Maximum Margin Planning) (RATLIFF; BAGNELL; ZINKEVICH, 2006). Como contribuic~ao, desenvolveu-se e implementou-se dois algoritmos alternativos, o primeiro denominado Perceptron Estruturado e o segundo Perceptron Estruturado com Margem, ambos os metodos de relaxac~ao baseados na formulac~ao do Perceptron. Os mesmos foram analisados e comparados. Posteriormente temos a explora c~ao dos ambientes por um agente inteligente utilizando tecnicas de aprendizado por reforco. Tornando todo o processo, desde a analise do ambiente e descoberta de custos, ate sua explorac~ao e planejamento do caminho, um completo processo de aprendizado.
ASSUNTO(S)
aprendizado de máquina planejamento com máxima margem perceptron multi-classe planejamento de caminhos e predição de dados estruturados machine learning maximum margin planning perceptron multi-class path planning and prediction of structured data ciencia da computacao
ACESSO AO ARTIGO
http://www.bdtd.ufjf.br/tde_busca/arquivo.php?codArquivo=924Documentos Relacionados
- Predição recursiva de diâmetros de clones de eucalipto utilizando rede Perceptron de múltiplas camadas para o cálculo de volume
- Formulação inelástica de segunda ordem para sistemas estruturados em aço
- Comparação de metodologias de predição de valores genéticos utilizando dados simulados
- Aplicação da metodologia de planejamento de experimentos para formulação de massas cerâmicas para telhas
- Planejamento de redes WDM com proteção para caminhos opticos