Detalhes bibliográficos
| Ano de defesa: |
1997 |
| Autor(a) principal: |
Roberto Kawakami Harrop Galvão |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto Tecnológico de Aeronáutica
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1338
|
Resumo: |
Neste trabalho é proposto um modelo neural para ações de controle manual em tarefas de rastreamento. As tarefas de rastreamento aqui estudadas incluem aquelas em que é fornecido um preview explícito do sinal de referência (sinal explicitamente previsível) e aquelas em que a regularidade do sinal permite que o operador humano (OH) efetue uma predição em tempo real de seu valor futuro (sinal implicitamente previsível). Adicionalmente, é realizado um estudo sobre a previsibilidade de formas de onda. Foi comprovado que o fenômeno de melhoria do desempenho do OH obtido com o fornecimento de preview explícito também pode ser observado quando o OH está rastreando sinais implicitamente previsíveis. Além disso, verificou-se que o mesmo modelo é capaz de reproduzir as ações de controle manual nos dois casos. O estudo sugere que o aprendizado do OH na execução de uma tarefa de rastreamento pode ser dividido em duas partes: (1) um reconhecimento da dinâmica do processo que está sob seu controle seguido da (2) elaboração (quando possível) de um modelo dinâmico ou morfológico do sinal a ser rastreado. Os resultados também sugerem que o registro da atividade de um OH encarregado do controle de um determinado sistema dinâmico pode ser usado para treinar um controlador neural para desempenhar a mesma tarefa. |
